paper — AI Digest

4 июн NVIDIA выпускает Cosmos 3: открытая омнимодальная фундаментальная модель для физического AI NVIDIA research

30 апр GLM-5V-Turbo: нативная foundation-модель для мультимодальных агентов Z.ai research

13 мая SenseNova-U1: open-source унифицированное мультимодальное понимание и генерация через NEO-unify SenseTime research

27 авг GigaBrain-0.7: масштабирование embodied foundation-моделей к эмерджентным способностям через трёхсистемную архитектуру GigaAI research

30 апр Recursive Multi-Agent Systems: общение агентов в latent space Stanford University research

2 мая Eywa: фреймворк гетерогенного взаимодействия между LLM-агентами и научными foundation-моделями University of Illinois at Urbana-Champaign research

3 мая Exploration Hacking: LLM можно дообучить для стратегического противодействия RL-обучению research

3 мая OpenAI раскрывает, как сигнал вознаграждения для 2,5% пользователей вызвал гоблинскую одержимость GPT на протяжении нескольких поколений моделей OpenAI research

3 мая MiniCPM-o 4.5: полнодуплексное омнимодальное AI в реальном времени на граничных устройствах OpenBMB / Tsinghua University research

5 мая AI2 публикует в открытый доступ MolmoAct2: роботизированная VLA, превосходящая GPT-5 в воплощённом рассуждении AI2 research

5 мая UniVidX: единый диффузионный бэкбон для генерации RGB, карт внутренних признаков и RGBA-видео research

6 мая Разбор инцидента OpenAI: как RLHF reward hacking встроил гоблинские метафоры в GPT-5.x OpenAI research

13 мая RubricEM: мета-RL с декомпозицией политики под руководством рубрик за пределами верифицируемых наград Google research

14 мая Asymmetric Flow Models: SOTA FID 1,57 на ImageNet через ранг-асимметричную параметризацию скоростей Stanford University research

3 июн Humanoid-GPT: Scaling to 2B Motion Frames Enables Zero-Shot Generalization in Humanoid Control research

25 июн Beyond NL2Code: структурированный обзор мультимодального интеллекта в написании кода research

26 июн JetSpec: преодоление потолка масштабирования спекулятивного декодирования с помощью параллельного построения деревьев черновиков Hao AI Lab, UC San Diego research

26 июн Qwen-AgentWorld: языковые мировые модели для универсальных агентов на 35B и 397B параметров Qwen Team, Alibaba research

29 июн JetSpec: параллельная генерация деревьев черновиков даёт ускорение speculative decoding в 9,64× Hao AI Lab, UCSD research

13 июл Модели генерации видео как универсальные инструменты компьютерного зрения Google DeepMind research

13 июл Long-Horizon-Terminal-Bench: тестирование пределов агентов на длинных терминальных задачах Tencent Hunyuan research

16 авг DreamX-Phi 1.0 побеждает на WorldArena 2.0 Track 1 с action-conditioned видео world model для робототехнической манипуляции Alibaba research

16 авг Intern-S2-Preview: научная агентская базовая модель на 397B от Shanghai AI Lab Shanghai AI Lab research

6 июн MLEvolve: самоэволюционирующий мультиагентный LLM-фреймворк для автоматического поиска алгоритмов машинного обучения research

14 июн MiniMax Sparse Attention: сокращение вычислений в 28 раз при контексте 1M токенов без потери качества MiniMax research

14 июн MaxProof: модель MiniMax превышает пороги золотых медалей IMO и USAMO в формальной математике MiniMax research

27 авг Apodex 1.1: масштабирование агентского интеллекта для сложной работы Apodex AI research

27 авг ClawProBench: trace-aware оценка AI-агентов с покрытием в рантайме research

29 авг Agentic-разработка игр как верифицируемый движок траекторных данных для масштабирования world models NUS research

17 сен Механизмы continual learning комбинируются для долговременного запоминания Johns Hopkins University research

18 сен LimiX-2: Contextual Mechanism Network на пути к общему интеллекту на структурированных данных Stable AI research

23 сен WorldCrafter: согласованная видео world-модель с неявной 3D-осведомлённой памятью Tencent ARC Lab research

23 сен GameHorizon Suite: данные и оценка мульти-горизонтного геймплея Tencent ARC research

4 мая Learning while Deploying: флитовое обучение с подкреплением превращает развёртывание роботов в непрерывный тренинг AGIBot research

6 мая Ctx2Skill: фреймворк самосовершенствования для автономного обнаружения навыков из контекста в LLM research

7 мая RLDX-1: Multi-Stream Action Transformer достигает 86,8% на гуманоидных задачах ALLEX RLWRLD research

8 мая AI Co-Mathematician: Google DeepMind достигает 48% на FrontierMath Tier 4 Google DeepMind research

9 мая OpenSearch-VL: открытый рецепт обучения мультимодальных агентов поиска Tencent Hunyuan research

9 мая ARIS: автономные ML-исследования с помощью состязательного взаимодействия мульти-агентов Shanghai Jiao Tong University research

2 июн Crafter: мультиагентный фреймворк для генерации редактируемых научных иллюстраций — +16 пунктов над базовыми моделями (103 апвоута на HF) Tsinghua University research

2 июн GrepSeek: обучение поисковых агентов для прямого взаимодействия с корпусом через команды оболочки (93 апвоута на HF) University of Massachusetts Amherst research

4 июн Echo-Infinity: генерация бесконечного видео в реальном времени через обучаемый Memory Query research

4 июн ThoughtFold: интроспективное обучение предпочтениям сокращает токены рассуждения на 56% без потери точности research

6 июн Детерминированный горизонт: теоретико-информационное доказательство ограничений расширенного CoT и необходимости использования инструментов research

6 июн Иллюзия самокоррекции: LLM исправляют чужие ошибки, но не свои — причина в ролевых метках research

6 июн Audio Interaction Model: унифицированный стриминговый фреймворк, объединяющий офлайн и реальновременную обработку аудио по инструкциям research

8 июн Агентные трансформеры доказуемо обучаются поиску в глубину через обучение с подкреплением Carnegie Mellon University / Ohio State University research

14 июн EvoArena: LLM-агенты набирают лишь 40% в динамически изменяющихся средах MIT / NUS / Salesforce research

14 июн WeaveBench: агенты компьютерного использования проваливаются на гибридных задачах GUI+CLI — 41% успешных выполнений Microsoft Research research

14 июн InterleaveThinker: RL-пайплайн «планировщик+критик» для перемежающейся генерации текста и изображений CUHK Multimedia Lab research

16 июн DreamX-World 1.0: интерактивная модель мира общего назначения с управлением камерой 6DoF AMAP-ML (Alibaba Maps AI Lab) research

16 июн FastContext: специализированный субагент-исследователь сокращает использование токенов агентами по коду на 60% Microsoft / Shanghai Jiao Tong University research

18 июн Вмешательства SAE ненадёжны: подавленное поведение восстанавливается после интервенции Hong Kong Polytechnic University research

25 июн Квантизированные модели рассуждения думают, что им нужно думать дольше, — но это не так Meta research

26 июн Детерминированный горизонт: когда расширенное рассуждение даёт сбой и необходима делегация инструментам research

29 июн OPID: дистилляция навыков на собственной политике улучшает RL агентов с длинным горизонтом Institute of Automation, Chinese Academy of Sciences research

29 июн SingGuard: адаптируемый к политике во время выполнения мультимодальный защитный барьер LLM с бенчмарком из 56 тыс. примеров inclusionAI research

9 авг LongHorizon-Harness предлагает цикл Manage-Execute-Audit для долгосрочных агентов research

9 авг Recursive Synthetic Terminal Tasks генерирует более 37 000 проверяемых долгосрочных агентных задач research

9 авг DAPD выявляет режим отказа «иллюзия привилегии» в самодистилляции on-policy Shanghai AI Laboratory research

20 авг Zetta ζ: эффективный closed-loop embodied-каркас для самоэволюционирующего физического интеллекта Air Embodied Brain (multi-institution, 15 authors) research

20 авг Demystifying Agent Skills: почему они работают — пока не перестают UC San Diego (Zhiyuan Jiang, Mengdi Wang, Yijiang Li et al.) research

18 сен DeepSeek-V4.1-Flash: пределы сжатия KV-кэша DeepSeek research

18 сен ScienceIDE: превращение мировой научной кодовой базы в среды, обучаемые агентами PhAI Labs research

18 сен Переосмысливая обучение критика в PPO: понимание и смягчение Value Flattening Shanghai AI Laboratory research

23 сен RRSI: регуляризованное рекурсивное самоулучшение агентных каркасов Google Research research

30 апр TIDE: кросс-архитектурная дистилляция для диффузионных LLM Peking University research

30 апр Programming with Data: test-driven data engineering для самоулучшающихся LLM OpenDataLab research

2 мая ESamp: LLM исследуют через latent distilling для семплирования по семантической новизне ShanghaiTech University research

2 мая CoPD: co-evolving policy distillation для унифицированных мультиспособных моделей research

5 мая Odysseus: обучение VLM для интерактивного принятия решений на 100+ ходов с помощью RL Princeton University research

5 мая Meta публикует отчёт о готовности Code World Model перед выпуском в открытый доступ Meta research

13 мая World Action Models: первый систематический обзор воплощённых фундаментальных моделей, объединяющих моделирование мира и действия OpenMOSS research

14 мая AnyFlow: видеодиффузия с произвольным числом шагов через on-policy дистилляцию flow map MIT / NVIDIA research

3 июн TrOPD: Trust-Region On-Policy Distillation Stabilizes LLM Training When Teacher-Student Gap Is Large Samsung Research research

3 июн Do Language Models Need Sleep? Offline Recurrence as Memory Consolidation for Improved Inference Google / CMU research

12 июн InterleaveThinker: RL-фреймворк для агентной генерации чередующегося текста и изображений research

12 июн EvoArena: LLM-агенты набирают лишь 39,6% на бенчмарке динамически меняющихся сред MIT research

12 июн FORT-Searcher: фреймворк обучающих данных, устойчивых к «срезанию углов», для агентов глубокого поиска research

12 июн Astra: VLM с RL-обучением запрашивает симулятор мира для пространственных рассуждений research

25 июн Готовы ли мы к агент-нативным системам памяти? SJTU сравнивает 12 архитектур research

25 июн Wan-Streamer v0.1: сквозная интерактивная фундаментальная модель реального времени с задержкой менее 550 мс Wan-AI research

25 июн DomainShuttle: синтез видео по субъекту из текста для внутри- и междоменных сценариев research

13 июл Jet-Long: эффективное расширение контекстного окна с динамическим Bifocal RoPE MIT / NVIDIA research

13 июл Масштабируемое визуальное предобучение для языкового интеллекта research

2 сен Команда Qwen опубликовала Qwen-Drive-1.0 — визуально-языковую фундаментальную модель для автономного вождения Alibaba research

18 сен LLM с бесконечными параметрами: статья на arXiv предлагает генерацию весов из живых данных Independent researchers research

4 мая Intern-Atlas: граф эволюции методологий из 1 млн статей как исследовательская инфраструктура для AI-учёных research

6 мая HeavySkill: интернализация «тяжёлого мышления» как обучаемого агентного навыка через RL research

7 мая LongSeeker: эластичная оркестрация контекста для агентов долгосрочного поиска Shanghai Jiao Tong University research

7 мая Исполняемые мировые модели для ARC-AGI-3: подход агента программирования без игровой специфики research

8 мая Структурное происхождение attention sink: расхождение дисперсий, суперн ейроны и исправление research

9 мая Direct Corpus Interaction: переосмысление поиска для агентных систем TIGER-Lab research

9 мая Cola DLM: непрерывная латентная диффузионная языковая модель с конкурентным масштабированием research

13 мая Learning, Fast and Slow: двойная весовая архитектура для непрерывной адаптации LLM research

3 июн QUBRIC: Co-Designing Queries and Rubrics Extends RLVR to Open-Ended Reasoning Domains research

3 июн Quantifying Faithful Confidence Expression in Large Reasoning Models Yale NLP research

8 июн SubtleMemory: бенчмарк выявляет систематические провалы агентов в тонком реляционном запоминании research

8 июн Code2LoRA: гиперсеть генерирует репозиторно-специфичные адаптеры для code LM без накладных расходов на инференс University of Waterloo research

8 июн VideoKR: обучающий корпус из 315K примеров для знание- и рассуждение-интенсивного понимания видео Yale University research

16 июн Память реконструируется, а не извлекается: графовая память улучшает запоминание у LLM-агентов на 23% National University of Singapore research

18 июн Diffusion-Proof: формальное доказательство теорем с помощью диффузионных языковых моделей research

18 июн DreamReasoner-8B: блоковый размерный curriculum для диффузионных reasoning-моделей research

19 июн StylisticBias: 15 визуальных атрибутов объясняют 80% социальных предубеждений в мультимодальных LLM research

19 июн Коллапс предпочтений мультимодального оценщика: кросс-модальное заражение в циклах самоэволюции агентов research

26 июн Плотного надзора недостаточно: слепое пятно считывания в зациклённых языковых моделях research

26 июн OPRD: дистилляция представлений на политике для пост-обучения LLM research

30 июн Формализация латентных мыслей: аксиоматический фреймворк для оценки репрезентаций рассуждений LLM University of British Columbia research

30 июн PhysisForcing: мировые модели с физическими ограничениями повышают успешность манипуляций роботов на 50% Peking University / NVIDIA research

20 авг Agentic ESOpt: файнтюн long-horizon LLM-агентов с минимальными требованиями к GPU National University of Singapore (Zhi Zheng, Wee Sun Lee et al.) research

20 авг ASI-Bench: на заре искусственного суперинтеллекта 42-author consortium (lead: Junwei Zhou; incl. Chi Wang, Yilun Hao, Yuantao Zhai) research

20 авг Co-RL: unsupervised reasoning возникает из разнообразной когорты в multi-agent RL UC San Diego (Yunhao Yang, Nuno Vasconcelos, Yijiang Li et al.) research

27 авг FrontierChallenge: оценка выполнения научных workflow HKU + Apodex AI research

29 авг Understanding Evolution Strategies для рассуждений LLM: более широкое покрытие рассуждений, чем у GRPO research

17 сен StepAudio 3 Realtime: аудио-языковая модель с рассуждением «думай, пока говоришь» и асинхронными вызовами инструментов StepFun research

18 сен Эмпирическое исследование дизайна харнессов для кодинг-агентов Zoom research

28 апр Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond HKUST/NUS/Oxford/NTU research

28 апр World-R1: Reinforcing 3D Constraints for Text-to-Video Generation Microsoft Research research

28 апр LLM Safety From Within (SIREN) University of Toronto CSSLab / McGill / LMU Munich research