Лучшие ИИ

Оценка AI-ассистентов для бизнеса: Бенчмарк для сложных голосовых рабочих процессов С увеличением интеграции AI-ассистентов в бизнесе, важно оценивать их эффективность в реальных задачах, особенно через голосовые взаимодействия. Существующие методы оценки часто сосредоточены на общих навыках общения или ограниченном использовании инструментов, что не позволяет адекватно измерить способность AI-агента управлять сложными специализированными рабочими процессами в различных областях. Это подчеркивает необходимость создания комплексных рамок оценки, которые учитывают вызовы, с которыми сталкиваются AI-ассистенты в практических условиях, обеспечивая их эффективную поддержку сложных голосовых операций. Решение для оценки AI-ассистентов Чтобы преодолеть ограничения существующих бенчмарков, Salesforce AI Research & Engineering разработали надежную систему оценки, предназначенную для оценки… ➡️➡️➡️

Введение в «Thinkless»: Адаптивная структура для эффективного моделирования языка Исследователи из Национального университета Сингапура разработали новую структуру под названием Thinkless, которая направлена на повышение эффективности языковых моделей, сокращая ненужные процессы рассуждения до 90%. Эта структура решает основную проблему современных языковых моделей, в которых часто используются обширные процессы рассуждения, даже для простых запросов, что приводит к увеличению использования токенов, увеличению времени ответа и повышенной задержке системы. Текущие подходы Современные методы оптимизации рассуждений в языковых моделях часто полагаются на статические эвристики или внешние модели, которые не используют возможности целевой модели. Статические подсказки, такие как «включить/выключить рассуждение», не предоставляют необходимого адаптивного контроля для… ➡️➡️➡️

Введение в MMLONGBENCH Недавние достижения в области моделирования с длинным контекстом значительно улучшили возможности больших языковых моделей (LLMs) и больших моделей языка и изображения (LVLMs). Модели языка и изображения с длинным контекстом (LCVLMs) теперь способны обрабатывать сотни изображений и тысячи текстовых токенов за один проход. Однако разработка эффективных оценочных стандартов для этих моделей не успевает за их развитием, что вызывает неопределенность в их производительности в условиях длинного контекста. Проблемы существующих стандартов Текущие оценочные стандарты имеют несколько ограничений: Ограниченное покрытие задач. Недостаточное разнообразие типов изображений. Отсутствие контроля за длиной контекста. Оценка только одной длины контекста. Представляем MMLONGBENCH Исследователи из HKUST, Tencent… ➡️➡️➡️

Введение в Magentic-UI от Microsoft Magentic-UI — это открытый прототип агента, который улучшает взаимодействие человека и ИИ для выполнения веб-задач. Он предлагает новые решения для автоматизации, позволяя пользователям контролировать процесс и вносить изменения в реальном времени. Проблемы традиционной автоматизации Современные веб-приложения требуют от пользователей выполнения множества рутинных действий, что часто приводит к ошибкам и несоответствиям. Традиционные решения, основанные на скриптах и общих ИИ-агентах, не всегда обеспечивают необходимую прозрачность и возможность вмешательства со стороны пользователя. Решения, предлагаемые Magentic-UI Magentic-UI предлагает четыре ключевые функции: Совместное планирование: Пользователи могут просматривать и изменять предложенные шаги агента перед выполнением. Совместное выполнение задач: Пользователи могут наблюдать… ➡️➡️➡️

Структурирование Размышлений в Больших Моделях Языка Большие Модели Размышлений (БМР) такие как o1 и o3 от OpenAI, DeepSeek-R1, Grok 3.5 и Gemini 2.5 Pro демонстрируют сильные способности в долгосрочном размышлении. Эти модели часто показывают продвинутые поведения, такие как самокоррекция и проверка, которые называются «мгновениями озарения». Однако непредсказуемость этих поведений ограничивает их практическую надежность и масштабируемость. Решения для Преодоления Проблем Исследователи работают над структурированными рамками обучения с подкреплением, которые нацелены на различные типы размышлений: дедукцию, абдукцию и индукцию. Эти методологии включают в себя: Выравнивание специализированных моделей; Слияние их в параметрическом пространстве; Применение специфического для области обучения с подкреплением. Трехступенчатый Подход Предлагается… ➡️➡️➡️

Выпуск Claude Opus 4 и Claude Sonnet 4: Технический Прорыв в Области Размышлений, Кодирования и Дизайна ИИ-агентов Компания Anthropic представила свои новые языковые модели: Claude Opus 4 и Claude Sonnet 4. Это обновление включает значительные технические усовершенствования, особенно в структурированном размышлении, программной инженерии и поведении автономных агентов. Claude Opus 4: Расширение Возможностей Размышления и Понимания Кода Claude Opus 4 стал флагманской моделью компании. Он способен обрабатывать сложные рабочие процессы размышлений и сценарии разработки программного обеспечения. Модель достигла: 72.5% точности на SWE-bench, который тестирует модели на реальных задачах, связанных с решением проблем на GitHub. 43.2% на TerminalBench, который оценивает правильность генерации… ➡️➡️➡️

Институт Инноваций в Технологиях (TII) представляет Falcon-H1: Гибридные Языковые Модели Transformer-SSM для Масштабируемого, Многоязычного и Долгосрочного Понимания С увеличением масштабов языковых моделей становится все сложнее находить баланс между выразительностью, эффективностью и адаптивностью. Архитектуры Transformer доминируют благодаря своей высокой производительности, но требуют значительных вычислительных ресурсов, особенно в сценариях с длинным контекстом. В отличие от них, Структурированные Модели Состояний (SSM) обеспечивают лучшую эффективность и линейное масштабирование, но часто не обладают необходимой глубиной для сложного понимания языка. Необходима комбинированная архитектура, которая объединяет сильные стороны обоих подходов для поддержки различных приложений. Представляем Falcon-H1: Гибридная Архитектура Серия Falcon-H1, выпущенная Институтом Инноваций в Технологиях (TII), представляет… ➡️➡️➡️

Продвижение многомодального математического мышления с выравниванием «визуализация-код» Многомодальное математическое мышление позволяет машинам решать задачи, используя как текстовую информацию, так и визуальные элементы, такие как диаграммы и графики. Эта способность особенно важна в образовании, автоматизированном обучении и анализе документов, где задачи часто представлены в комбинации текста и изображений. Проблемы выравнивания Существенной проблемой в этой области является недостаток качественного и точного выравнивания между математическими изображениями и их текстовыми или символьными представлениями. Большинство наборов данных, используемых для обучения крупных многомодальных моделей, основаны на подписях к изображениям в естественных условиях, которые часто не учитывают важные элементы, критически важные для математической точности. Это ограничение может… ➡️➡️➡️

Gemma 3n: Новая Эффективная Модель Искусственного Интеллекта Введение в Gemma 3n Google DeepMind представила Gemma 3n — компактную и высокоэффективную многомодальную модель ИИ, предназначенную для работы в реальном времени на мобильных устройствах. С ростом потребности в быстром, умном и приватном ИИ на мобильных устройствах, исследователи переосмысляют работу ИИ-моделей, создавая решения, которые обеспечивают мгновенный отклик и повышают конфиденциальность пользователей. Ключевые Инновации Gemma 3n Основное достижение Gemma 3n заключается в использовании Per-Layer Embeddings (PLE), что значительно снижает потребление оперативной памяти. Модели имеют 5 миллиардов и 8 миллиардов параметров, но работают с памятью, эквивалентной моделям на 2 миллиарда и 4 миллиарда параметров соответственно.… ➡️➡️➡️

RXTX: Алгоритм машинного обучения для эффективного умножения структурированных матриц Поиск более быстрых алгоритмов для умножения матриц является важной задачей в компьютерных науках и численной линейной алгебре. С момента первых исследований Страссена и Винограда в конце 1960-х годов было предложено множество стратегий, включая методы на основе градиентов и эвристические техники. Однако меньше внимания уделялось структурированным матричным произведениям, таким как транспонированные или идентичные матрицы, которые часто встречаются в статистике, глубоких нейронных сетях и коммуникациях. Введение RXTX Исследователи из Китайского университета и Шэньчжэньского исследовательского института больших данных разработали RXTX, алгоритм, специально предназначенный для эффективного вычисления XXT, где X принадлежит Rn*m. RXTX сокращает количество… ➡️➡️➡️

Внедрение протокола модели контекста (MCP) От Протокола к Производству: Как Шлюзы MCP Обеспечивают Безопасную и Масштабируемую Интеграцию ИИ в Предприятиях Введение в Протокол Модели Контекста (MCP) Протокол Модели Контекста (MCP), разработанный компанией Anthropic, стал важным инструментом для интеграции ИИ-моделей с более широкими программными экосистемами. MCP стандартизирует процесс взаимодействия языковой модели или автономного агента с внешними сервисами, такими как REST API, запросы к базам данных, операции с файловыми системами и управление аппаратными средствами. Каждая функция представляется как “инструмент”, что упрощает процесс интеграции. Роль Шлюзов в Производстве Спецификация MCP определяет механизмы вызова инструментов и потоковой передачи результатов, но не устанавливает, как управлять… ➡️➡️➡️

Пошаговое руководство по созданию модульных AI-работ с использованием Claude API от Anthropic и LangGraph В этом руководстве представлено практическое руководство по внедрению LangGraph, эффективной системы оркестрации AI, интегрированной с API Claude от Anthropic. Мы предоставляем подробный код, оптимизированный для Google Colab, который поможет разработчикам создавать и визуализировать AI-работы как взаимосвязанные узлы, выполняющие различные задачи, такие как генерация четких ответов, критический анализ ответов и автоматическая компоновка технического контента. Компактная реализация подчеркивает интуитивно понятную архитектуру узлов и графов LangGraph, способную управлять сложными последовательностями задач на естественном языке, от простых сценариев вопросов и ответов до сложных конвейеров генерации контента. Настройка окружения Для начала… ➡️➡️➡️

Обзор отчета Marktechpost о агентном ИИ и ИИ-агентах на 2025 год Компания Marktechpost AI Media представила свой самый обширный отчет — «Отчет о агентном ИИ и ИИ-агентах на 2025 год». Этот отчет предлагает технический анализ архитектур, фреймворков и стратегий развертывания, которые определяют будущее ИИ-агентов. Он охватывает весь стек агентного ИИ, картируя растущую экосистему, основанную на моделях с возможностями рассуждения, системах памяти и движках оркестрации, предназначенных для выполнения реальных задач. Переопределение ИИ с автономией Агентные ИИ-системы отличаются своей способностью работать независимо, принимать решения и обучаться со временем. Эти агенты интегрируют планирование, использование инструментов, многомодальное понимание и постоянную память. Переход от взаимодействия… ➡️➡️➡️

Введение в PARSCALE (Параллельное Масштабирование) Данная статья представляет метод параллельных вычислений PARSCALE, который обеспечивает эффективное и масштабируемое развертывание языковых моделей. Проблемы традиционного масштабирования Увеличение производительности языковых моделей обычно связано с ростом числа параметров или расширением вычислительных мощностей. Это приводит к необходимости значительных ресурсов и памяти, что создает сложности при развертывании. Методы масштабирования параметров, такие как Dense Scaling и Mixture-of-Experts Scaling, требуют больших объемов памяти из-за увеличения обучаемых весов. Кроме того, увеличение длины последовательностей или количество шагов рассуждения при выводе приводит к задержкам и замедляет развертывание. Решение PARSCALE Исследователи из Университета Чжэцзян и Alibaba Group предложили новый подход, который акцентирует внимание… ➡️➡️➡️

Введение в J1: Новая платформа для обучения моделей оценки Недавние достижения в области искусственного интеллекта привели к тому, что большие языковые модели (LLMs) начали выполнять не только генерацию текста, но и оценку и суждение. Это дало начало концепции «LLM как судья», где модели используются для оценки выводов, созданных другими языковыми моделями. Такие оценки важны для процессов обучения с подкреплением, тестирования и выравнивания систем. Проблемы существующих систем оценки Современные системы оценки сталкиваются с проблемами непоследовательности и поверхностного рассуждения. Многие из них полагаются на базовые метрики или статические аннотации, что недостаточно для оценки субъективных или открытых вопросов. Ключевой проблемой является позиционная предвзятость,… ➡️➡️➡️

Масштабируемое Образцы Без Данных: Meta AI Представляет Adjoint Sampling для Генеративного Моделирования на Основе Наград Недостаток Данных в Генеративном Моделировании Генеративные модели традиционно требуют больших и качественных наборов данных для создания образцов, которые воспроизводят основное распределение данных. Однако в таких областях, как молекулярное моделирование или физическое моделирование, получение таких данных может быть вычислительно непосильным или даже невозможным. Вместо помеченных данных доступна только скалярная награда, обычно получаемая из сложной энергетической функции, для оценки качества сгенерированных образцов. Это создает значительную проблему: как эффективно обучать генеративные модели без прямого контроля со стороны данных? Meta AI Вводит Adjoint Sampling, Новый Алгоритм Обучения на Основе… ➡️➡️➡️

Пошаговое руководство по созданию AI-агента с использованием Google ADK Набор инструментов для разработки агентов (ADK) — это открытая платформа на Python, которая позволяет разработчикам создавать, управлять и разворачивать многопользовательские системы. Его модульный и гибкий дизайн делает его подходящим как для простых, так и для сложных приложений на основе агентов. Создание простого AI-агента В этом руководстве мы создадим простой AI-агент с доступом к двум инструментам: get_company_overview и get_earnings. Шаг 1: Настройка зависимостей API ключ Google Чтобы использовать AI-сервисы Google, вам понадобится API ключ: Посетите Google AI Studio. Войдите и сгенерируйте свой API ключ. Скопируйте и храните его в надежном месте для… ➡️➡️➡️

Google AI Представляет MedGemma: Открытый Набор Моделей для Понимания Медицинских Текстов и Изображений На конференции Google I/O 2025 компания Google представила MedGemma — открытый набор моделей, предназначенных для многомодального понимания медицинских текстов и изображений. Созданный на архитектуре Gemma 3, MedGemma предоставляет разработчикам надежную основу для создания приложений в области здравоохранения, требующих интегрированного анализа медицинских изображений и текстовых данных. Варианты Моделей и Архитектура MedGemma доступен в двух конфигурациях: MedGemma 4B: Многомодальная модель с 4 миллиардами параметров, способная обрабатывать как медицинские изображения, так и текст. Она использует энкодер изображения SigLIP, предварительно обученный на анонимизированных медицинских наборах данных, включая рентгеновские снимки грудной клетки,… ➡️➡️➡️

NVIDIA представляет Cosmos-Reason1: набор AI моделей для улучшения физического мышления и обоснованного рассуждения Искусственный интеллект (AI) достиг значительных успехов в обработке языка, математике и генерации кода. Однако расширение этих возможностей на физические среды остается сложной задачей. Физический AI стремится преодолеть этот разрыв, разрабатывая системы, которые воспринимают, понимают и действуют в динамичных, реальных условиях. Проблемы существующих AI моделей Текущие ограничения AI моделей связаны с их слабой связью с реальной физикой. Эти системы хорошо справляются с абстрактными задачами, но часто испытывают трудности с предсказанием физических последствий или адекватным реагированием на сенсорные данные. Обучение непосредственно в физических условиях дорогостоящее и рискованное, что затрудняет… ➡️➡️➡️

Языковые модели (LMs) демонстрируют впечатляющие возможности как обучающиеся в контексте, когда они предварительно обучены на обширных текстовых корпусах из интернета, что позволяет эффективно обобщать информацию из всего лишь нескольких примеров задач. Однако дообучение этих моделей для конкретных задач представляет собой значительные трудности. Обычно дообучение требует сотни или тысячи примеров, что часто приводит к ограниченным паттернам обобщения. Проблема обобщения Например, модели, дообученные на утверждениях типа «Мать B — A», имеют трудности с ответами на связанные вопросы, такие как «Кто сын A?». В отличие от этого, языковые модели могут эффективно управлять такими обратными отношениями в контексте. Это несоответствие вызывает необходимость глубже изучить… ➡️➡️➡️