26 artykułów z tym tagiem
Navalia to framework łączący weryfikowalną syntezę zadań z treningiem RL, który poprawia zdolności agentów AI w analizie finansowej i zadaniach biurowych.
Badanie Aleph Alpha pokazuje, że chińskie modele AI jak Qwen czy DeepSeek powtarzają linię partyjną na tematy tabu, np. Tiananmen i Tajwan.
Nowy system AREX-2 uczy agentów LLM refleksji i długookresowej iteracji, przenosząc umiejętności z programowania na badania typu deep research.
Nowa metoda GAD-RL adaptacyjnie reguluje nadzór nauczyciela w treningu modeli OCR, poprawiając wierność transkrypcji na benchmarkach CHAOS-Bench i OmniDocBench.
H Company wypuściła Holo4 – modele agentowe łączące GUI, kod, MCP i API, konkurencyjne z frontierem przy niższym koszcie.
RBS-Attention rozwiązuje problem mean dilution i przyspiesza prefill w długim kontekście LLM nawet 20,65x na GPU H100, zachowując jakość modelu.
Alibaba udostępniła Qwen-Image-2.1 – otwarty model do obrazów z 7 mld parametrów, który ma pokonywać zamknięte rozwiązania konkurencji.
Qwen3.8-Omni-Flash od Alibaba dorównuje Gemini 3.8 Flash w zadaniach audio-wideo, kosztując wielokrotnie mniej za tokeny API.
Occamy-1.0 to otwarty model 35B na bazie Qwen3.6, który łączy niski koszt z wysoką skutecznością w zadaniach agentowych typu co-work.
AllSpark udostępnił Iris-mini i Iris-pro — agenty wyszukiwania AI z otwartymi wagami, które biją konkurencję na BrowseComp i innych benchmarkach.
Model Qwen2.5–14B (9 GB) odpowiedział na 67% pytań z 41 lat Jeopardy!, przewyższając ograniczenia legendarnego superkomputera Watson z 2011 roku.
KVBoost przyspiesza inferencję LLM 4,49x dzięki cache'owaniu KV na poziomie fragmentów, bez utraty dokładności modelu Qwen2.5–3B.
