AI Daily Roundup
🌐 Русский

Новости ИИ — 2026-10-06

Ежедневные новости ИИ из официальных источников, Hacker News и arXiv

Заголовки и краткие описания на этой странице переведены с английского машинным переводом (офлайн) и могут содержать ошибки. Приоритет имеет оригинал по ссылке.

Выбор редакции

Создание рекламы для того, как люди используют AI

Реклама внутри ChatGPT продолжает расти: OpenAI добавляет визуальный формат рекламы плюс инструменты измерения, атрибуции и соответствия бренду, которые важны как для маркетологов, так и для обычных пользователей.

OpenAI

Our approach to EU text provenance rules

A concrete look at how one major lab plans to handle EU text-provenance rules, including where watermarks apply and why detection access starts with researchers.

OpenAI

Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses

Авторы сообщают, что исправление ошибок анализа сократило заявленную экономию на 23,9% до 4,3%, что является полезным предостережением для всех, кто оценивает модели маршрутизации агентов.

arXiv

Примечание редакции: Краткие описания подготовлены с помощью ИИ на основе текстов самих издателей и ещё не проверены человеком.

От компаний и лабораторий ИИ

Записи из официальных блогов компаний и лабораторий за последние 7 дней.

OpenAI

Our approach to EU text provenance rules

OpenAI describes how it is approaching text watermarking under EU rules: where watermarks apply, how detection works, and why access to detection starts with researchers.

OpenAI · · Кратко

Создание рекламы для того, как люди используют AI

Оригинал: Building advertising for the way people use AI

OpenAI представила новый формат визуальной рекламы в ChatGPT и расширила инструменты измерения, партнерские отношения и контроль соответствия бренда для рекламодателей.

OpenAI · · Кратко

Together AI

Together Link: открытые модели в упряжке, которую вы уже используете. Начните с одной команды сегодня.

Оригинал: Together Link: open models in the harness you already use. Start with one command today.

Вместе AI's Together Link объединяет открытые модели, такие как GLM 5.3 и Kimi K3, в уже используемые команды кодирующих агентов; Together говорит, что может сократить расходы на модели более чем на 50%.

Together AI · · Кратко

Популярные темы об ИИ на Hacker News

Публикации с заголовками об ИИ, отсортированные по баллам за последние 36 часов.

Новые статьи arXiv

Автоматический отбор новых работ с приоритетом статей, одновременно размещённых в cs.AI, cs.CL и cs.LG. Это не рейтинг качества.

arXiv cs.AI

Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses

Парная оценка модели принятия решений с открытым весом и размещенной однопроходной моделью в 11 точках принятия решений агентами обнаружила, что размещенная модель более точна на 9 из них, не превышая шанса на маршрутизацию модели с нулевым выстрелом, и авторы исправили несколько собственных ошибок анализа.

arXiv · · Jiawei Li · cs.AI cs.CL cs.CR cs.LG · Кратко

Right Order, Wrong Scale: Auditing LLM Judges for Occupational AI Measurement

Проверяя 33 конфигурации LLM-судей по сравнению с 45 796 рейтингами работников, авторы считают, что судьи могут ранжировать ответы достаточно хорошо, но оценивать коэффициенты принятия от 3,0% до 97,9% по сравнению с 61,1% для соответствующих работников.

arXiv · · Harry Lyu, Neil Thompson · cs.AI cs.CL cs.CY cs.LG · Кратко

ROUTEAUDIT: Идентификация с учетом взаимодействия для бюджетной маршрутизации с несколькими верификаторами

Оригинал: ROUTEAUDIT: Interaction-Aware Identification for Budgeted Multi-Verifier Routing

Адаптивные системы с несколькими верификаторами обычно сравниваются через пробелы в стоимости качества конечных точек, даже когда каталог верификатора, доступность, учет, фильтрация информации или счетчик изменяются вместе с политикой.

arXiv · · Miaobo Hu, Shuhao Hu, Xiaobo Guo +5 · cs.AI cs.CL cs.LG · Из аннотации (arXiv, CC0)

FSPO: согласованный с политикой риск и парето-реализуемый контроль для бюджетного LLM RL после обучения

Оригинал: FSPO: Policy-Consistent Risk and Pareto-Feasible Control for Budgeted LLM RL Post-Training

Адаптивное LLM-обучение с подкреплением после обучения меняет несколько исполнительных механизмов обучения в Интернете, включая температуру развертывания, размер группы, обрезку, регуляризацию KL, распределение верификатора и бюджет обновления.

arXiv · · Miaobo Hu, Shuhao Hu, Xiaobo Guo +4 · cs.AI cs.CL cs.LG · Из аннотации (arXiv, CC0)

Проверяемые, артикулируемые и неявные компоненты предпочтения

Оригинал: Verifiable, Articulable, and Tacit Components of Preference

Что делает короткую историю захватывающей; новостную статью достойной новостей; или математическое доказательство элегантным?

arXiv · · Alexander Spangher, Sheldon Huang, Andreas Haupt +4 · cs.AI cs.CL cs.CY cs.LG · Из аннотации (arXiv, CC0)

arXiv cs.CL

Модели непрерывной диффузии большого языка

Оригинал: Large Language Continuous Diffusion Models

Despite the success of discrete diffusion language models (dLMs) for fast parallel decoding, their non-smooth, high-dimensional space hinders trajectory steering for reasoning and inference acceleration.

arXiv · · Zhihan Yang, Wei Guo, Jean-Marie Lemercier +14 · cs.CL cs.AI cs.LG · Из аннотации (arXiv, CC0)

Не до тех пор, пока доказательства не скажут так: обучение следователей LLM, когда закрывать дело

Оригинал: Not Until the Evidence Says So: Teaching LLM Investigators When to Close a Case

В этой статье исследуется, когда следователи LLM должны закрыть дело, используя 731 проверенный случай несчастного случая, дефекта и сбоя; он сообщает, что даже пограничная модель завысила свои доказательства в 91% ответов.

arXiv · · Tingzhu Bi, Ping Wang, Meng Ma · cs.CL cs.AI cs.LG · Кратко

Оригинальное название: Counterexample Generation via Per-Theorem Symbolic Verifiers: When Imitation Hurts and Reinforcement Repairs

Оригинал: Counterexample Generation via Per-Theorem Symbolic Verifiers: When Imitation Hurts and Reinforcement Repairs

Большие языковые модели часто решают теорему вперед, но не могут опровергнуть тесно связанную ложную: пробел в фальсификации, который контролировал тонкую настройку, не закрывается и может активно ухудшаться.

arXiv · · Omar Farouk Zouak, Houssam Eddine Boukhalfa, Soumaya Lakehal +2 · cs.CL cs.AI · Из аннотации (arXiv, CC0)

FinDialogLens: извлечение событий из многопартийного диалога для идентификации пропавшей торговли в финансовых чатах

Оригинал: FinDialogLens: Event Extraction over Multi-Party Dialogue for Missed-Trade Identification in Financial Chatrooms

Многопартийные финансовые чаты жизненно важны для профессионалов в области продаж и торговли, но их сложность делает ручное восстановление пропущенных сделок неосуществимым: каждый запрос на цитату (RFQ) - это событие, конечная цена и результаты торговли которого появляются после многих сообщений.

arXiv · · Chin-Lun Fu, Hong Ni, Behrouz Madahian · cs.CL cs.AI · Из аннотации (arXiv, CC0)

APDMem: Прогрессивное раскрытие, контролируемое агентом, для поиска адаптивной долговременной памяти

Оригинал: APDMem: Agent-Controlled Progressive Disclosure for Query-Adaptive Long-Term Memory

APDMem организует долгую историю разговоров на четыре уровня, от тематических резюме до необработанных сообщений, и углубляется только тогда, когда запрос нуждается в нем; на LongMemEval он сообщает о сильных результатах, читая около 8% разговоров.

arXiv · · Chin-Lun Fu, Anagha Kulkarni, Hong Ni +1 · cs.CL cs.AI · Кратко

arXiv cs.LG

Лексикографическая многоцелевая дистилляция по политике

Оригинал: Lexicographic Multi-Objective On-Policy Distillation

Усиление обучения с помощью поддающихся проверке вознаграждений (RLVR) обычно оптимизирует правильность ответа, но полезное поведение языковой модели также требует высококачественных рассуждений и кратких ответов.

arXiv · · Doseok Jang, Jon Ander Campos, Youran Qi · cs.LG cs.AI cs.CL · Из аннотации (arXiv, CC0)

Вы синтезируете или вспоминаете? Оценка LLM по поиску алгоритмического кода

Оригинал: Are you Synthesizing or Recalling? Evaluating LLMs on Algorithmic Code Retrieval

Большие языковые модели (LLM) продемонстрировали высокую производительность в генерации кода, где успех зависит как от отзыва соответствующих алгоритмических знаний, так и от рассуждений о том, как их применять.

arXiv · · Nickil Maveli, Antonio Vergari, Shay B. Cohen · cs.LG cs.AI cs.CL cs.PL · Из аннотации (arXiv, CC0)

Как причинность преодолевает семантический разрыв

Оригинал: How Causality Bridges the Semantic Gap

Численные измерения фиксируют поведение системы, но часто оставляют значения ее переменных неопределенными.

arXiv · · Shuhao Zhang, Xuran Zhou, Han Guo +2 · cs.LG cs.AI cs.CL · Из аннотации (arXiv, CC0)

LEAP: изучение эффективных предложений действий для агентов LLM

Оригинал: LEAP: Learning Efficient Action Proposals For LLM Agents

LEAP ускоряет агентов LLM, обучая небольшую модель составителя на собственных последовательностях действий целевой модели, поэтому предлагаемые действия чаще совпадают, руководствуясь рамками задержки для раундов спекулятивных действий.

arXiv · · Zhen Xu, Qizheng Zhang, Gerry Wan +2 · cs.LG cs.AI cs.CL · Кратко

OPD Before RL: Тепло-стартовый RL на основе рубрик с дистилляцией на основе политики

Оригинал: OPD Before RL: Warm-Starting Rubric-Based RL with On-Policy Distillation

Многие полезные задачи языковой модели не могут быть оценены с помощью точной проверки результатов.

arXiv · · Xinpeng Wang, Wei Shi, Yu-Chia Chen +3 · cs.LG cs.AI cs.CL · Из аннотации (arXiv, CC0)

Источники, проверенные для этого выпуска

Не включены:

Обновлено: 2026-10-05 20:08 UTC