Новости: LLM

Аспирант Цинхуа Гу Юйсянь, лауреат спецстипендии с почти 5000 цитирований, присоединяется к DeepSeek на фоне подготовки к запуску официальной версии V4 в середине июля.

Ant Group и HKUST(GZ) представляют Skill-MAS — фреймворк, который преобразует опыт проектирования мультиагентных систем в многократно используемые мета-навыки, проверенные на DeepSeek-V4-Flash и других моделях.

Модель NVIDIA Nemotron TwoTower на основе диффузии достигает 2,42-кратного увеличения пропускной способности LLM без полного переобучения, сохраняя 98,7% качества авторегрессионного базиса путем разделения моделирования контекста и шумоподавления токенов на две специализированные башни, построенные на одном замороженном базисе. Веса и код обучения открыты.

Размеченные разделы входной последовательности LLM призваны обеспечить безопасность через доверенные роли, но выяснилось, что модели оценивают, звучат ли вводы так, будто они принадлежат определенным тегам, вместо того чтобы буквально их интерпретировать, что делает их уязвимыми для инъекции промптов.

Создатели ИИ-браузеров обещают многое, но уязвимы. Достаточно сказать LLM, что 2 + 2 = 5, чтобы заставить ее выполнять запрещенные инструкции, обходя защиту.

Система Brain2Qwerty v2 от Meta* может преобразовывать сканы мозга в связные предложения без необходимости инвазивной хирургии.

Две публичные ИИ-компании Китая — Zhipu AI и MiniMax — столкнулись с разрывом в оценке более чем в 7 раз. Это вызывает вопросы о точности рыночного ценообразования на фоне быстрого развития LLM.

Платформа для «vibe coding» от Wix, Base44, начала развертывание собственной ИИ-модели с надеждой, что она превзойдет передовые модели.

Личность многоагентных ИИ-агентов влияет на результаты в совместной работе и переговорах, но не в структурированном кодировании, согласно новому исследованию Университета штата Аризона. Этот вывод меняет как подход инженеров к проектированию систем ИИ-агентов, так и их моделирование угроз от враждебного prompt injection.

Система инференса DSpark от DeepSeek и Пекинского университета получила всесторонний технический анализ от основного мейнтейнера PyTorch Дмитрия Джулгакова, который выделил ее полупараллельное черчение и инженерную проработку для продакшена.