Важные статьи, бенчмарки, датасеты и экспериментальные подходы
APWA предлагает распределённую архитектуру, ориентированную на параллелизуемые рабочие нагрузки агентов, которая решает проблемы масштабирования инференса, координации и вычислений в мультиагентных системах при росте масштаба и сложности задач.
DDC предлагает унифицированную структуру масштабирования во время вывода, которая с помощью байесовского протокола, взвешенного по уверенности, и стратифицированного отсечения с учетом тенденций снижает потребление токенов более чем в 10 раз, сохраняя или превосходя точность базовых моделей на пяти бенчмарках.
MemEye представляет собой визуально-ориентированную платформу оценки памяти мультимодальных агентов, разработанную в сотрудничестве 17 исследователей и восполняющую пробел в оценке систем памяти агентов.
NVIDIA представила MemLens — первый бенчмарк, оценивающий способность крупных визуально-языковых моделей к мультимодальной долгосрочной памяти, восполняющий пробел в оценке памяти LVLM.
Исследовательское подразделение Microsoft открыло исходный код Orchard — масштабируемого фреймворка для моделирования агентов. От кодовых агентов до GUI-агентов и персональных помощников: единый легкий слой среды обеспечивает кросс-доменное обучение. На SWE-bench Verified достигнут показатель 67,5%, а GUI-агент стал сильнейшим среди открытых моделей, используя всего 400 дистиллированных траекторий.
OpenDataLab выпустила бенчмарк CiteVQA, специально предназначенный для оценки способности систем интеллектуальной обработки документов отслеживать источники ответов. Набрав 143 голоса, он возглавил список Daily Papers на HuggingFace — доверенный ИИ превращается из лозунга в измеримый технический показатель.
Проект CLI-Anything от команды HKUDS Гонконгского университета возглавил GitHub Trending, собрав более 36 000 звёзд. Его ключевая идея — превратить всё программное обеспечение в «Agent-Native». Это не просто инструмент, а смена парадигмы в архитектуре ПО.
Шанхайский университет Цзяотун представил фреймворк MMSkills, который разделяет возможности мультимодального визуального агента на комбинируемые и переиспользуемые единицы навыков. Статья набрала 99 голосов и попала в тренды HuggingFace — переход к «навыковой» архитектуре агентов может оказаться ближе к будущему, чем подход, основанный исключительно на «моделях».
DeepCybo выпустила технический отчет PhysBrain 1.0, посвященный созданию системы ИИ, способной понимать законы физики. От интуитивной физики до проверки через генерацию видео — этот технологический путь может оказаться ближе к истинному «интеллекту», чем чистые языковые модели.
Команда Tencent Hunyuan опубликовала новую статью, в которой систематически исследуется эффективность On-Policy Distillation в раскрытии потенциала моделей. В работе показано ключевое влияние выбора стратегии дистилляции на производительность моделей, что предоставляет эмпирическую основу для обучения крупномасштабных моделей.
Благодаря иерархическому управлению памятью SSD-CPU-GPU, TideGS позволяет обучать 3DGS с использованием более 1 млрд гауссовых примитивов на одной GPU с 24 ГБ памяти. Это в 10 раз больше, чем у предыдущих out-of-core базовых решений (~100 млн), и примерно в 100 раз больше, чем у обучения в оперативной памяти (~11 млн). Статья принята в формате Spotlight на конференцию ICML 2026.
Anti-SD выявляет с помощью анализа точечной взаимной информации (PMI), что привилегированный контекст подавляет токены, отвечающие за рассуждения (deliberation tokens), и предлагает метод «анти-самодистилляции» — вместо сближения ученика и учителя он намеренно увеличивает их расхождение. На бенчмарках математических рассуждений метод достигает той же точности, что и базовый алгоритм GRPO, за 2–10 раз меньшее число шагов, а максимальный прирост итоговой точности составляет 11,5 балла.
Статья CogOmniControl представляет рамочную архитектуру контролируемой генерации видео, управляемую рассуждениями: процесс генерации разделяется на два этапа — когнитивное понимание творческого замысла и непосредственную генерацию видео. CogVLM, обученная на профессиональных данных анимационного производства, точно интерпретирует разреженные абстрактные условия; в сочетании с CogOmniDiT и алгоритмом обучения с подкреплением (RL) для выравнивания она превосходит существующие открытые модели на двух специально созданных бенчмарках.
GoLongRL представляет полностью открытую схему дообучения с подкреплением (RL) для задач с длинным контекстом, включая публикацию набора данных RLVR из 23 000 образцов и полного исходного кода обучения. Модель Qwen3-30B-A3B демонстрирует производительность на задачах с длинным контекстом, сопоставимую с DeepSeek-R1-0528 и Qwen3-235B-A22B-Thinking-2507.
OpenComputer предлагает основанную на валидаторах архитектуру для создания проверяемой программной среды для computer-use agent. Охватывая 33 настольных приложения и 1000 задач, эксперименты показывают, что её жестко закодированные валидаторы ближе к человеческим оценкам, чем подход LLM-as-judge.
Совместно с Национальным университетом Сингапура и другими учреждениями опубликована «Дорожная карта ИИ для автоматизированных исследований», в которой системно анализируются границы возможностей ИИ на всех этапах научного цикла: генерация одной статьи обходится всего в 15 долларов США, однако языковые модели по-прежнему склонны к выдумыванию результатов, пропуску скрытых ошибок и неспособны надёжно оценивать новизну исследований.
IAAR-Shanghai и Memtensor Research Group представили SkillsVote — фреймворк для управления полным жизненным циклом навыков агентов. Оффлайн-эволюция повысила показатели GPT-5.2 в Terminal-Bench 2.0 на 7,9 процентных пункта, а онлайн-эволюция улучшила результаты в SWE-Bench Pro на 2,6 процентных пункта.
ByteDance анонсировала Lance — мультимодальную унифицированную модель, полностью обученную с нуля, поддерживающую понимание, генерацию и редактирование изображений и видео. Архитектура модели основана на двухпотоковой смеси экспертов (MoE), обеспечивая заметное превосходство в качестве генерации по сравнению с существующими открытыми унифицированными моделями при сохранении высокой точности понимания.
Статья дня на Hugging Face №1 — обзорная работа 42 авторов систематически представляет концепцию «Код как средство управления агентами» (Code as Agent Harness), позиционируя код как единый инфраструктурный уровень для рассуждений, действий и моделирования среды агентов.
Команда NVIDIA представила LongLive-2.0 — первую полностековую систему для обучения и вывода при генерации длинных видео на базе точности NVFP4. Внедрены параллелизм по последовательности при авторегрессионном обучении и вывод в формате W4A4, что ускоряет обучение в 2.15 раза, а вывод — в 1.84 раза. 5B-модель достигает скорости 45.7 FPS.
Команда NUS опубликовала дорожную карту AI for Auto-Research, системно анализирующую границы надёжности ИИ на протяжении всего жизненного цикла научных исследований: от генерации идей до публикации статей — какие этапы ИИ может выполнять самостоятельно, а какие требуют обязательного контроля со стороны человека.
Исследователи из Цинхуа представили KVPO — онлайн-фреймворк GRPO, изначально разработанный для ОДУ (ODE-native). Перенеся источник исследования со случайного шума на исторический KV Cache, метод позволяет согласовать автогрегрессивные модели генерации видео с человеческими предпочтениями, обеспечивая улучшение визуального качества, плавности движений и соответствия текстовому запросу.
Команда из Цинхуа представила ZEDA — низкозатратный фреймворк, преобразующий предварительно обученные статические MoE-модели в динамические. На моделях Qwen3-30B-A3B и GLM-4.7-Flash он устраняет более 50% FLOPs экспертов, ускоряя сквозной инференс примерно в 1,2 раза.
ByteDance Research представила Lance — легковесную нативную унифицированную мультимодальную модель. Благодаря двухпотоковой архитектуре MoE и обучению с синергией многозадачности она одновременно обеспечивает понимание, генерацию и редактирование изображений/видео, не полагаясь на простое увеличение емкости модели.
NVIDIA выпустила LongLive-2.0 — инфраструктуру для генерации длинных видео, основанную на квантовании NVFP4 и параллельном выводе. Проект набрал 1.22k звёзд на GitHub и исследует, как создавать более длинные видеопоследовательности без потери качества.
Разработанная в Шанхайском университете Цзяотун система ARIS позволяет нескольким AI-агентам автономно выполнять научные задачи с помощью состязательного взаимодействия. На платформе Papers with Code проект получил 116 голосов upvote и 9.7k звёзд на GitHub, став одним из самых заметных проектов в сфере AI for Science за последнее время.
В исследовании группы машинного обучения Цинхуа Causal Forcing++ предложен масштабируемый метод авторегрессионной диффузионной дистилляции с малым числом шагов, который превращает интерактивную генерацию видео из процесса, требующего ожидания в несколько минут, в мгновенный отклик в реальном времени. Что это значит для игр, VR и создания интерактивного контента?
Семейство Darwin предложило фреймворк эволюционного объединения без обучения, который комбинирует скрытые возможности существующих моделей посредством градиентно-независимой перестройки весового пространства. Флагманская модель Darwin-27B-Opus достигает 86,9 % на GPQA Diamond и занимает 6-е место среди 1252 оценённых моделей — без какого-либо градиентного обучения.
Новая статья FORGE на arXiv предлагает метод самостоятельной эволюции памяти агента без обновления весов модели. Благодаря механизму группового вещания агенты могут обмениваться опытом и обучаться друг у друга, обеспечивая непрерывное развитие своей памяти. Этот подход обходит традиционную дообучение, открывая лёгкий путь к постоянному обучению агентов.
Новая работа доказывает, что с помощью простой и унифицированной стратегии масштабирования большие языковые модели могут достичь уровня рассуждений, соответствующего золотой медали Международной математической олимпиады. Никаких сложных новых архитектур, никаких хитроумных техник обучения — только масштабирование. Значение этого факта, возможно, заслуживает более глубокого осмысления, чем сама статья.
В статье, опубликованной лабораторией искусственного интеллекта KAIST, предлагается метод стратегически управляемого исследования, который побуждает процесс обучения в задачах обучения с подкреплением (RL) целенаправленно выходить из зоны комфорта и повышает эффективность обучения без увеличения объёма обучающих данных. Статья получила внимание в ежедневной подборке научных работ Hugging Face Daily Papers.
Исследовательская группа Гарвардского университета и Массачусетской общей больницы (MGH) предложила новый метод прогнозирования заболеваний, вызываемых несколькими патогенами, основанный на автономном древовидном поиске под управлением языковой модели (LLM). LLM перестаёт быть лишь инструментом диалога и превращается в автономного агента поиска, способного систематически исследовать сложное пространство гипотез в поисках оптимальной прогнозной модели. Эта работа демонстрирует новую роль LLM в научном моделировании.
Новое исследование систематически оценивает качество обратной связи от агентов-репетиторов на основе больших языковых моделей (LLM) в различных учебных ситуациях и выявляет контринтуитивный результат: ИИ-репетиторы хорошо справляются с подтверждением правильных ответов учащихся, но в тех случаях, когда учащийся ошибается — то есть там, где особенно важна высококачественная обратная связь — они чаще всего дают неточные или неполные ответы.
Представленный NVIDIA бенчмарк MemLens впервые системно оценивает способность больших визуально-языковых моделей к мультимодальной долгосрочной памяти. Он раскрывает реальный уровень современных мультимодальных моделей в плане запоминания, а также показывает, насколько далеко им ещё до «настоящего запоминания».
MMSkills, представленный Шанхайским Цзяотунским университетом, предлагает мультимодальную рамочную модель обучения навыкам для универсальных визуальных агентов. В отличие от существующих подходов, основанных на механическом запоминании, MMSkills позволяет агентам по-настоящему понимать мультимодальную природу навыков — не только «что видеть», но и «как действовать». Статья получила 39 лайков в разделе Hugging Face Daily Papers.
OpenDeepThink предлагает новую архитектуру рассуждений во время оценки, основанную на попарных сравнениях по модели Брэдли–Терри. Всего за 8 итераций вызовов ЯИМ (около 27 минут реального времени) Elo-рейтинг Gemini 3.1 Pro в Codeforces возрастает на 405 пунктов. Одновременно представлен открытый набор данных CF-73 — 73 задачи с Codeforces, промаркированные международными гроссмейстерами.
SANA-WM — это открытая модель мира с 2,6 млрд параметров, изначально поддерживающая генерацию видео продолжительностью одну минуту. Обучена на 64 GPU H100 в течение 15 дней с использованием примерно 213 тыс. общедоступных видеороликов. Её вариант, полученный методом дистилляции, способен денойзить 60-секундное видео разрешения 720p за 34 секунды на одной видеокарте RTX 5090 с квантованием NVFP4.
SDAR (Self-Distilled Agentic Reinforcement Learning) вводит on-policy самообучение-дистилляцию в качестве управляемой вспомогательной цели в процесс обучения с подкреплением для LLM-агентов. По сравнению с GRPO, SDAR демонстрирует улучшение на 9,4 %, 10,2 % и 7,0 % соответственно на наборах данных ALFWorld, WebShop и Search-QA, одновременно избегая нестабильности, присущей наивному сочетанию GRPO и OPSD.
«Самодистиллируемое агентное обучение с подкреплением» представляет новую парадигму обучения агентов: агенты обучаются путём самодистилляции на основе собственного опыта, без зависимости от человеческой разметки или внешних сигналов подкрепления. Это может кардинально изменить фундаментальные принципы обучения ИИ-агентов.
Опубликованный лабораторией NJU-LINK Lab Нанкинского университета проект Solvita предлагает парадигму эволюции агентов для повышения способностей больших языковых моделей в соревновательном программировании. В отличие от традиционного обучения с учителем, Solvita позволяет агенту развивать более сильные навыки программирования и логического вывода в процессе самоигры и непрерывной итерации.
SU-01 — это 30B-A3B MoE-модель, достигшая уровня золотой медали на IMO 2025, USAMO 2026 и IPhO 2024/2025 с помощью простого и единого рецепта обучения. Основной процесс: SFT-обучение по обратной перплексии → двухэтапное обучение с подкреплением (RL) (с объективно верифицируемым вознаграждением → RL на уровне строгих доказательств) → масштабирование во время тестирования. Модель обеспечивает стабильную генерацию рассуждений длиной более 100 000 токенов.
Kronos — это фундаментальная модель для финансовых рынков, которая рассматривает финансовые данные как «язык» для моделирования. Проект собрал 24 946 звёзд на GitHub, предлагая подход, в котором токенизатор дискретизирует финансовые временные ряды в последовательности токенов, а затем трансформер предсказывает их. Является ли этот путь жизнеспособным?
Последняя статья на arXiv указывает на фундаментальный недостаток современных методов оценки безопасности ИИ для психического здоровья: они анализируют изолированные ответы или итоговый результат, в то время как клинически наиболее опасный вред часто возникает из-за кумулятивного эффекта в последовательности взаимодействий: постепенно растущая зависимость, многократное закрепление негативных паттернов поведения, медленное ухудшение состояния от раунда к раунду. Авторы предлагают теоретическую основу «временной неидентифицируемости безопасности» и стандарт оценки SCOPE-MH.
В недавно опубликованной статье NVIDIA о модели AnyFlow представлен подход к созданию видео-диффузионной модели с «произвольным количеством шагов» — одна и та же модель может гибко переключаться между 1 и несколькими десятками шагов, не требуя отдельного обучения для каждого варианта. Ключевой метод On-Policy Flow Map Distillation позволяет модели сохранять стабильное качество генерации при любом количестве шагов инференса благодаря случайной выборке шагов во время обучения и само-направляемой дистилляции.
В новой статье на arXiv OpenDeepThink предлагается подход к рассуждению, основанный на групповой конкуренции: вместо принудительного следования единственной цепи рассуждений система организует попарное сравнение кандидатов, агрегируя результаты с помощью модели Брэдли-Терри. Благодаря этому Gemini 3.1 Pro увеличила свой рейтинг Elo на Codeforces на 405 баллов, а весь процесс занял всего около 27 минут.
