Награда была в твоих данных всё это время (by Meta AI)
Почему диффузионные модели не учатся реализму из данных, но потом "вспоминают" его через RL? Оказывается, это баг flow matching, а не нехватка данных.
Авторы доказывают: FSM-лосс обучается на интерполяционных маргиналах qt, а сэмплирование идёт по rollout-траекториям pt. Ошибки накапливаются, и модель уходит в зоны низкой вероятности — реализм теряется.
Решение — Discriminator-Guided RL (DRL): обучаем дискриминатор различать данные и модель в пространстве SSL-эмбеддингов (без preference-данных!), его логит — и есть награда для RL. SSL-пространство ограничивает коррекции семантически значимыми осями.
Результат: DRL улучшает SiT, REPA, RAE по Fréchet distance, а preference-RL поверх DRL даёт ещё лучший Pareto-фронт.
https://arxiv.org/abs/2606.19162
Почему диффузионные модели не учатся реализму из данных, но потом "вспоминают" его через RL? Оказывается, это баг flow matching, а не нехватка данных.
Авторы доказывают: FSM-лосс обучается на интерполяционных маргиналах qt, а сэмплирование идёт по rollout-траекториям pt. Ошибки накапливаются, и модель уходит в зоны низкой вероятности — реализм теряется.
Решение — Discriminator-Guided RL (DRL): обучаем дискриминатор различать данные и модель в пространстве SSL-эмбеддингов (без preference-данных!), его логит — и есть награда для RL. SSL-пространство ограничивает коррекции семантически значимыми осями.
Результат: DRL улучшает SiT, REPA, RAE по Fréchet distance, а preference-RL поверх DRL даёт ещё лучший Pareto-фронт.
https://arxiv.org/abs/2606.19162
Представления без допущений: учимся из разницы кадров
Чем меньше жёстких предположений заложено в метод обучения — тем лучше он работает при масштабировании. Это давно известно, но как тогда вообще учиться, если убрать все inductive biases?
Авторы предлагают TDV (Temporal Difference in Vision): единственное допущение — причинность. Следующий кадр предсказуем из предыдущего. Архитектура проста: encoder текущего кадра + motion encoder (на входе — попиксельная разность кадров) → предсказание представления следующего кадра. Таргет даёт EMA-учитель (как в DINO). Разность соседних кадров низкоранговая, поэтому motion encoder вынужден выучить компактные абстрактные признаки движения, а не копировать сцену целиком.
Результат: TDV получает dense spatial features на уровне DINO и iBOT, не используя аугментации, маскирование или негативные пары.
https://arxiv.org/abs/2606.15956
Чем меньше жёстких предположений заложено в метод обучения — тем лучше он работает при масштабировании. Это давно известно, но как тогда вообще учиться, если убрать все inductive biases?
Авторы предлагают TDV (Temporal Difference in Vision): единственное допущение — причинность. Следующий кадр предсказуем из предыдущего. Архитектура проста: encoder текущего кадра + motion encoder (на входе — попиксельная разность кадров) → предсказание представления следующего кадра. Таргет даёт EMA-учитель (как в DINO). Разность соседних кадров низкоранговая, поэтому motion encoder вынужден выучить компактные абстрактные признаки движения, а не копировать сцену целиком.
Результат: TDV получает dense spatial features на уровне DINO и iBOT, не используя аугментации, маскирование или негативные пары.
https://arxiv.org/abs/2606.15956
PyTorch ускорил автотюнинг ядер с помощью LLM
Команда PyTorch представила LLM-guided autotuner для Helion — DSL-языка для написания ML-ядер под разное железо. Раньше подбор оптимальных конфигураций (размеры тайлов, блоков, warp'ов) занимал сотни циклов компиляции и бенчмаркинга.
Новый подход: LLM анализирует ядро, железо и лучшие конфиги — и сразу предлагает перспективные варианты. Итог: в 10 раз меньше проверяемых конфигураций и в 6,7 раза меньше времени при том же качестве, что у прежнего метода LFBO (геометрическое среднее 1.009X).
Если LLM промахивается больше чем на 5%, включается гибридный режим: LLM даёт стартовую точку, LFBO доводит до ума. Это всё равно втрое дешевле полного LFBO-поиска.
Важно: результат не зависит от конкретной модели — Claude Opus, GPT и Sonnet показали схожие результаты. Автотюнинг из минут превращается в секунды.
https://pytorch.org/blog/from-minutes-to-seconds-llm-guided-autotuning-for-helion-kernels/
Команда PyTorch представила LLM-guided autotuner для Helion — DSL-языка для написания ML-ядер под разное железо. Раньше подбор оптимальных конфигураций (размеры тайлов, блоков, warp'ов) занимал сотни циклов компиляции и бенчмаркинга.
Новый подход: LLM анализирует ядро, железо и лучшие конфиги — и сразу предлагает перспективные варианты. Итог: в 10 раз меньше проверяемых конфигураций и в 6,7 раза меньше времени при том же качестве, что у прежнего метода LFBO (геометрическое среднее 1.009X).
Если LLM промахивается больше чем на 5%, включается гибридный режим: LLM даёт стартовую точку, LFBO доводит до ума. Это всё равно втрое дешевле полного LFBO-поиска.
Важно: результат не зависит от конкретной модели — Claude Opus, GPT и Sonnet показали схожие результаты. Автотюнинг из минут превращается в секунды.
https://pytorch.org/blog/from-minutes-to-seconds-llm-guided-autotuning-for-helion-kernels/
Современные видео-генераторы не умеют "помнить" мир за кадром
Представьте: кот прыгает на кровать, камера отворачивается, потом возвращается — и кот снова на полу. Или раздваивается. Или исчезает. Авторы поставили простой вопрос: продолжает ли мир существовать, когда камера не смотрит?
Для проверки создан WRBench — бенчмарк на 9600 видео от 23 генераторов. Идея: камера отворачивается во время события, потом возвращается. Если мировое состояние сохраняется независимо от наблюдения — генератор ведёт себя как настоящая world model.
Результат: ни один из протестированных генераторов не справляется. Причём масштаб модели не предсказывает качество этой способности. Проблема не в пикселях — нужна "what-memory", которая записывает скрытые изменения, и обучающий сигнал на сохранение конечного состояния события.
Луна вращается вокруг Земли, даже когда никто не смотрит. Современные видео-модели об этом не знают.
https://arxiv.org/abs/2606.20545
Представьте: кот прыгает на кровать, камера отворачивается, потом возвращается — и кот снова на полу. Или раздваивается. Или исчезает. Авторы поставили простой вопрос: продолжает ли мир существовать, когда камера не смотрит?
Для проверки создан WRBench — бенчмарк на 9600 видео от 23 генераторов. Идея: камера отворачивается во время события, потом возвращается. Если мировое состояние сохраняется независимо от наблюдения — генератор ведёт себя как настоящая world model.
Результат: ни один из протестированных генераторов не справляется. Причём масштаб модели не предсказывает качество этой способности. Проблема не в пикселях — нужна "what-memory", которая записывает скрытые изменения, и обучающий сигнал на сохранение конечного состояния события.
Луна вращается вокруг Земли, даже когда никто не смотрит. Современные видео-модели об этом не знают.
https://arxiv.org/abs/2606.20545
Looped World Models: один трансформер крутится в цикле вместо глубокой сети
Классические world models для RL страдают от двух проблем: ошибки накапливаются на длинных горизонтах, а масштабирование глубины сети дорого обходится при инференсе. LoopWM предлагает элегантное решение — взять один трансформерный блок с общими весами и применять его итеративно, как цикл.
Идея проста: физика сама по себе итеративна (один и тот же закон применяется снова и снова), так почему бы не отразить это в архитектуре? Один блок fθ прогоняется N раз вместо N разных блоков. Для стабильности авторы используют спектрально ограниченную параметризацию — собственные значения матрицы перехода зажаты в (0,1), что гарантирует устойчивость при любой длине роллаута.
Бонус: адаптивная глубина. Простые переходы (свободный полёт) требуют меньше итераций, сложные (столкновения) — больше. Параметров в разы меньше, а качество предсказаний не хуже.
Классические world models для RL страдают от двух проблем: ошибки накапливаются на длинных горизонтах, а масштабирование глубины сети дорого обходится при инференсе. LoopWM предлагает элегантное решение — взять один трансформерный блок с общими весами и применять его итеративно, как цикл.
Идея проста: физика сама по себе итеративна (один и тот же закон применяется снова и снова), так почему бы не отразить это в архитектуре? Один блок fθ прогоняется N раз вместо N разных блоков. Для стабильности авторы используют спектрально ограниченную параметризацию — собственные значения матрицы перехода зажаты в (0,1), что гарантирует устойчивость при любой длине роллаута.
Бонус: адаптивная глубина. Простые переходы (свободный полёт) требуют меньше итераций, сложные (столкновения) — больше. Параметров в разы меньше, а качество предсказаний не хуже.
3B параметров против 671B — кто победит в математике?
VibeThinker-3B показывает: верификуемые рассуждения (математика, код) — это "parameter-dense" задачи. Не нужно помнить весь интернет, нужно уметь искать решение в структурированном пространстве. И это отлично сжимается в компактную модель.
Результат: 3B модель набирает 94.3 на AIME26 — наравне с DeepSeek V3.2 (671B) и Kimi K2.5 (1T). На LeetCode — 96.1% acceptance rate, сравнимо с GPT-5.
Как достигли: двухэтапный SFT (сначала широкое покрытие, потом хардкорный reasoning), MGPO reinforcement learning на нескольких доменах, Long2Short RL для сокращения лишних токенов, офлайн self-distillation и Instruct RL.
Авторы вводят Parametric Compression-Coverage Hypothesis: reasoning — это про компрессию, знания — про покрытие. Поэтому маленькие модели могут быть frontier в первом, но отстают во втором (GPQA-Diamond).
Вывод: компактные модели — не компромисс ради экономии, а отдельный перспективный путь развития.
https://arxiv.org/abs/2606.16140
VibeThinker-3B показывает: верификуемые рассуждения (математика, код) — это "parameter-dense" задачи. Не нужно помнить весь интернет, нужно уметь искать решение в структурированном пространстве. И это отлично сжимается в компактную модель.
Результат: 3B модель набирает 94.3 на AIME26 — наравне с DeepSeek V3.2 (671B) и Kimi K2.5 (1T). На LeetCode — 96.1% acceptance rate, сравнимо с GPT-5.
Как достигли: двухэтапный SFT (сначала широкое покрытие, потом хардкорный reasoning), MGPO reinforcement learning на нескольких доменах, Long2Short RL для сокращения лишних токенов, офлайн self-distillation и Instruct RL.
Авторы вводят Parametric Compression-Coverage Hypothesis: reasoning — это про компрессию, знания — про покрытие. Поэтому маленькие модели могут быть frontier в первом, но отстают во втором (GPQA-Diamond).
Вывод: компактные модели — не компромисс ради экономии, а отдельный перспективный путь развития.
https://arxiv.org/abs/2606.16140
Модель думает и одновременно тычет пальцем в картинку (UCLA)
Когда VLM решает визуальную задачу текстом, она может написать "красная машина у входа" — но не показать, где именно. Рассуждение звучит убедительно, но не привязано к изображению.
Авторы предлагают visually grounded thinking: во время цепочки рассуждений модель вставляет координатные теги (bounding box или точку) прямо в текст мысли. Типа: "There is a <obj> black laptop | [box] </obj> on the table..."
Для обучения — пайплайн синтеза данных: VLM генерирует reasoning traces, LLM извлекает ключевые объекты, SAM3-агент находит их маски. Дальше SFT + RL с reward за качество grounding.
Результат: 4B-модель с grounded thinking догоняет 27B на spatial reasoning. Точки лучше работают для счёта, боксы — для пространственных отношений.
https://arxiv.org/abs/2606.16122
Когда VLM решает визуальную задачу текстом, она может написать "красная машина у входа" — но не показать, где именно. Рассуждение звучит убедительно, но не привязано к изображению.
Авторы предлагают visually grounded thinking: во время цепочки рассуждений модель вставляет координатные теги (bounding box или точку) прямо в текст мысли. Типа: "There is a <obj> black laptop | [box] </obj> on the table..."
Для обучения — пайплайн синтеза данных: VLM генерирует reasoning traces, LLM извлекает ключевые объекты, SAM3-агент находит их маски. Дальше SFT + RL с reward за качество grounding.
Результат: 4B-модель с grounded thinking догоняет 27B на spatial reasoning. Точки лучше работают для счёта, боксы — для пространственных отношений.
https://arxiv.org/abs/2606.16122
Cisco научила ИИ-агента самому чинить LLM-пайплайны — не только промпты, но и архитектуру
(by Cisco Foundation AI)
Обычные оптимизаторы промптов (типа DSPy или GEPA) работают внутри фиксированной структуры пайплайна. Но что если проблема не в промпте, а в самой цепочке шагов?
FAPO — агент на базе Claude Code, который сначала пробует подправить промпты, а если это не помогает — анализирует где именно пайплайн ломается и меняет его структуру. Агент записывает промежуточные выходы каждого шага, локализует причину ошибки (плохой retrieval? форматирование? логика?), предлагает одно точечное изменение, проверяет его через reviewer-агента и только потом применяет.
Результат на 6 бенчмарках (QA, math, fact verification): +14.1 pp над GEPA в среднем, победа в 15 из 18 сравнений. На HoVer и IFBench — вообще +35 pp, там агент сам удлинил retrieval-цепочку.
https://arxiv.org/abs/2606.19605
(by Cisco Foundation AI)
Обычные оптимизаторы промптов (типа DSPy или GEPA) работают внутри фиксированной структуры пайплайна. Но что если проблема не в промпте, а в самой цепочке шагов?
FAPO — агент на базе Claude Code, который сначала пробует подправить промпты, а если это не помогает — анализирует где именно пайплайн ломается и меняет его структуру. Агент записывает промежуточные выходы каждого шага, локализует причину ошибки (плохой retrieval? форматирование? логика?), предлагает одно точечное изменение, проверяет его через reviewer-агента и только потом применяет.
Результат на 6 бенчмарках (QA, math, fact verification): +14.1 pp над GEPA в среднем, победа в 15 из 18 сравнений. На HoVer и IFBench — вообще +35 pp, там агент сам удлинил retrieval-цепочку.
https://arxiv.org/abs/2606.19605
(by NVIDIA) Робот сам себя обучает — без людей, без сброса вручную, без настройки наград
NVIDIA представила ENPIRE: фреймворк, где LLM-агенты полностью автоматизируют цикл улучшения робополитик в реальном мире. Идея: один раз с помощью человека настраиваешь среду (безопасные зоны, авторесет, автоматическую верификацию успеха), а дальше агенты сами пишут код обучения, запускают эксперименты на роботах и итеративно улучшают политику — без какого-либо вмешательства человека.
Для масштабирования: N агентов на N роботах тестируют гипотезы параллельно и обмениваются удачными рецептами через Git. Результат — вставка пина в отверстие 4мм доходит до 100% успеха быстрее, чем human-in-the-loop baseline.
Авторы вводят новые метрики эффективности: MRU (утилизация робота) и MTU (токены на успех). Ни один frontier-агент пока не насыщает ресурсы полностью — есть куда расти.
https://arxiv.org/abs/2606.19980
NVIDIA представила ENPIRE: фреймворк, где LLM-агенты полностью автоматизируют цикл улучшения робополитик в реальном мире. Идея: один раз с помощью человека настраиваешь среду (безопасные зоны, авторесет, автоматическую верификацию успеха), а дальше агенты сами пишут код обучения, запускают эксперименты на роботах и итеративно улучшают политику — без какого-либо вмешательства человека.
Для масштабирования: N агентов на N роботах тестируют гипотезы параллельно и обмениваются удачными рецептами через Git. Результат — вставка пина в отверстие 4мм доходит до 100% успеха быстрее, чем human-in-the-loop baseline.
Авторы вводят новые метрики эффективности: MRU (утилизация робота) и MTU (токены на успех). Ни один frontier-агент пока не насыщает ресурсы полностью — есть куда расти.
https://arxiv.org/abs/2606.19980
LLM-агенты ломаются, когда инструменты врут или прячутся
Представь: у агента 1665 инструментов, он видит лишь малую часть за раз, часть из них возвращает мусор или вообще недоступна — и при этом нужно решить задачу за ~25 шагов. Именно так устроен PlanBench-XL — новый бенчмарк от UIUC для оценки LLM-агентов в реалистичных условиях.
Ключевая идея: агент должен планировать в обе стороны — от известных данных вперёд и от желаемого результата назад, нащупывая промежуточные подцели. При этом часть инструментов намеренно сломана или подменена.
Результат: даже GPT-5.4 падает до ~30% при одном рабочем пути и до ~10%, если путь длинный. Большинство моделей не дотягивают до 2/3 точности даже в базовом режиме.
Вывод: текущие агенты плохо умеют адаптироваться, когда план рушится на ходу.
https://arxiv.org/abs/2606.22388
Представь: у агента 1665 инструментов, он видит лишь малую часть за раз, часть из них возвращает мусор или вообще недоступна — и при этом нужно решить задачу за ~25 шагов. Именно так устроен PlanBench-XL — новый бенчмарк от UIUC для оценки LLM-агентов в реалистичных условиях.
Ключевая идея: агент должен планировать в обе стороны — от известных данных вперёд и от желаемого результата назад, нащупывая промежуточные подцели. При этом часть инструментов намеренно сломана или подменена.
Результат: даже GPT-5.4 падает до ~30% при одном рабочем пути и до ~10%, если путь длинный. Большинство моделей не дотягивают до 2/3 точности даже в базовом режиме.
Вывод: текущие агенты плохо умеют адаптироваться, когда план рушится на ходу.
https://arxiv.org/abs/2606.22388
Качество данных важнее их количества — даже для обучения терминальных агентов
Обучить сильного CLI-агента сложно: нужны задачи с многошаговым взаимодействием с реальной средой и надёжной проверкой. Существующие подходы просто скейлят источники задач, не думая об их качестве.
CLI-Universe предлагает другой путь: генерировать задачи не из готовых артефактов, а "изнутри" — через структурированную таксономию (домен × тип навыка × capability × инженерный паттерн), а затем дорабатывать каждую задачу через deep research по реальным репозиториям и документации.
Фишка — трёхступенчатая верификация: тест-агент и solution-агент работают независимо, затем hint-conditional filtering убирает тривиальные задачи, а fail-to-pass check подтверждает реальный переход из нерешённого состояния в решённое. В итоге отсеивается ~2/3 кандидатов.
Результат: файнтюнинг Qwen3-32B всего на 6k траекториях даёт 33.4% на Terminal-Bench 2 — лучше всех open-source моделей до 32B и многих моделей на порядок крупнее.
Обучить сильного CLI-агента сложно: нужны задачи с многошаговым взаимодействием с реальной средой и надёжной проверкой. Существующие подходы просто скейлят источники задач, не думая об их качестве.
CLI-Universe предлагает другой путь: генерировать задачи не из готовых артефактов, а "изнутри" — через структурированную таксономию (домен × тип навыка × capability × инженерный паттерн), а затем дорабатывать каждую задачу через deep research по реальным репозиториям и документации.
Фишка — трёхступенчатая верификация: тест-агент и solution-агент работают независимо, затем hint-conditional filtering убирает тривиальные задачи, а fail-to-pass check подтверждает реальный переход из нерешённого состояния в решённое. В итоге отсеивается ~2/3 кандидатов.
Результат: файнтюнинг Qwen3-32B всего на 6k траекториях даёт 33.4% на Terminal-Bench 2 — лучше всех open-source моделей до 32B и многих моделей на порядок крупнее.
Alignment — это не опция, а условие масштабирования в робототехнике
Qwen-RobotManip — новая VLA-модель от Alibaba/Qwen, которая решает ключевую проблему: данные с разных роботов мешают друг другу при совместном обучении, а не помогают. Причина — несовместимые системы координат, морфологии и форматы действий.
Авторы предлагают alignment-first подход: унифицированное представление действий с бинарными масками под разные морфологии, дельта-позы в системе координат камеры (визуально похожие движения = численно близкие), и адаптацию политики через историю эпизода как неявный идентификатор робота.
Результат: 38 100 часов данных из открытых источников + конвертация egocentric-видео рук человека в траектории для 15 платформ. Модель бьёт GR00T-N1.7 и π0.5 на OOD-бенчмарках и занимает 1-е место на RoboChallenge Table30-v1 с +20% к ближайшему конкуренту.
https://arxiv.org/abs/2606.17846
Qwen-RobotManip — новая VLA-модель от Alibaba/Qwen, которая решает ключевую проблему: данные с разных роботов мешают друг другу при совместном обучении, а не помогают. Причина — несовместимые системы координат, морфологии и форматы действий.
Авторы предлагают alignment-first подход: унифицированное представление действий с бинарными масками под разные морфологии, дельта-позы в системе координат камеры (визуально похожие движения = численно близкие), и адаптацию политики через историю эпизода как неявный идентификатор робота.
Результат: 38 100 часов данных из открытых источников + конвертация egocentric-видео рук человека в траектории для 15 платформ. Модель бьёт GR00T-N1.7 и π0.5 на OOD-бенчмарках и занимает 1-е место на RoboChallenge Table30-v1 с +20% к ближайшему конкуренту.
https://arxiv.org/abs/2606.17846
Nvidia Tech рассказала, как телеком-операторы строят автономные сети с помощью агентного ИИ.
Большинство телекомов сегодня застряли на уровне автоматизации 2–3 из 5 по шкале TM Forum — они выполняют заранее прописанные сценарии, но не принимают решения самостоятельно. Nvidia предлагает платформу для перехода на уровни 4–5: агенты сами анализируют сеть, строят планы и координируют действия между доменами.
В основе — стек из нескольких технологий Nvidia: NeMo для синтетических данных, Nemotron для рассуждений, NV-Tesseract для анализа телеметрии, Agent Toolkit для оркестрации и OpenShell для изолированного безопасного запуска агентов.
Практически это выглядит так: агент замечает аномалию в SR-MPLS сети, сам исследует причину, предлагает план устранения и применяет его под контролем политик — без участия человека.
Для телекомов это шаг от автоматизации к настоящей автономии сети.
https://developer.nvidia.com/blog/how-telcos-build-autonomous-networks-with-agentic-ai/
Большинство телекомов сегодня застряли на уровне автоматизации 2–3 из 5 по шкале TM Forum — они выполняют заранее прописанные сценарии, но не принимают решения самостоятельно. Nvidia предлагает платформу для перехода на уровни 4–5: агенты сами анализируют сеть, строят планы и координируют действия между доменами.
В основе — стек из нескольких технологий Nvidia: NeMo для синтетических данных, Nemotron для рассуждений, NV-Tesseract для анализа телеметрии, Agent Toolkit для оркестрации и OpenShell для изолированного безопасного запуска агентов.
Практически это выглядит так: агент замечает аномалию в SR-MPLS сети, сам исследует причину, предлагает план устранения и применяет его под контролем политик — без участия человека.
Для телекомов это шаг от автоматизации к настоящей автономии сети.
https://developer.nvidia.com/blog/how-telcos-build-autonomous-networks-with-agentic-ai/
NVIDIA Technical Blog
How Telcos Build Autonomous Networks with Agentic AI
Telecom operators are adopting AI across network operations, customer care, and back-office workflows, but most are still early in the journey to autonomy. In network operations, for example…
Nvidia запустила Halos for Robotics — полноценную платформу функциональной безопасности для физического ИИ: промышленных роботов, гуманоидов и автономных мобильных роботов.
В основе — вычислительный модуль IGX Thor (до 2070 FP4 ТФЛОПС) с аппаратным островком безопасности уровня SIL 3 и операционная система Halos OS, перенесённая из разработок для беспилотных автомобилей. За плечами Nvidia — 18 000 инженерных лет работы над безопасностью и 21 млрд проверенных транзисторов.
Ключевое: Nvidia открыла собственную аккредитованную лабораторию сертификации Halos AI Systems Inspection Lab. Это значит, что партнёры — например, Agility (создатель робота Digit) и Boston Dynamics — смогут быстрее и дешевле получать сертификаты по стандартам IEC 61508 и ISO 13849.
Для индустрии это важный сигнал: безопасность роботов перестаёт быть самодельной задачей и получает общую стандартизированную основу.
https://developer.nvidia.com/blog/inside-nvidia-halos-for-robotics-a-full-stack-functional-safety-system-for-physical-ai/
В основе — вычислительный модуль IGX Thor (до 2070 FP4 ТФЛОПС) с аппаратным островком безопасности уровня SIL 3 и операционная система Halos OS, перенесённая из разработок для беспилотных автомобилей. За плечами Nvidia — 18 000 инженерных лет работы над безопасностью и 21 млрд проверенных транзисторов.
Ключевое: Nvidia открыла собственную аккредитованную лабораторию сертификации Halos AI Systems Inspection Lab. Это значит, что партнёры — например, Agility (создатель робота Digit) и Boston Dynamics — смогут быстрее и дешевле получать сертификаты по стандартам IEC 61508 и ISO 13849.
Для индустрии это важный сигнал: безопасность роботов перестаёт быть самодельной задачей и получает общую стандартизированную основу.
https://developer.nvidia.com/blog/inside-nvidia-halos-for-robotics-a-full-stack-functional-safety-system-for-physical-ai/
NVIDIA Technical Blog
Inside NVIDIA Halos for Robotics: A Full-Stack Functional Safety System for Physical AI
Physical AI—robots working autonomously alongside people in factories, warehouses, hospitals, and homes—is arriving faster than most expected. Traditional safety which was built for structured…
Агент, который сам себе делает датасеты
Главная боль обучения мультимодальных моделей — нет качественных данных. Сырые видео, логи GUI-агентов, траектории роботов — всё это шумно, избыточно и плохо структурировано. Обычные пайплайны просто просят VLM сгенерировать подписи или QA-пары, и получают галлюцинации и мусор.
DataClaw0 переосмысляет задачу: пусть сама модель (9B Qwen) научится «причёсывать» сырые потоки под конкретный intent пользователя. Двухэтапный пайплайн: сначала детерминированные «якоря» (ключевые кадры, OCR, события GUI), потом сильная VLM строит по ним цепочки рассуждений. На этих данных обучают DataClaw0 через SFT + GRPO с многомерными наградами за плотность, фактологию и структуру.
Результат: модели, дообученные на компактных DataClaw0-подмножествах, бьют аналоги, обученные на полных датасетах — при меньших вычислительных затратах.
https://arxiv.org/abs/2606.21337
Главная боль обучения мультимодальных моделей — нет качественных данных. Сырые видео, логи GUI-агентов, траектории роботов — всё это шумно, избыточно и плохо структурировано. Обычные пайплайны просто просят VLM сгенерировать подписи или QA-пары, и получают галлюцинации и мусор.
DataClaw0 переосмысляет задачу: пусть сама модель (9B Qwen) научится «причёсывать» сырые потоки под конкретный intent пользователя. Двухэтапный пайплайн: сначала детерминированные «якоря» (ключевые кадры, OCR, события GUI), потом сильная VLM строит по ним цепочки рассуждений. На этих данных обучают DataClaw0 через SFT + GRPO с многомерными наградами за плотность, фактологию и структуру.
Результат: модели, дообученные на компактных DataClaw0-подмножествах, бьют аналоги, обученные на полных датасетах — при меньших вычислительных затратах.
https://arxiv.org/abs/2606.21337
Могут ли AI-агенты превзойти SOTA из журналов Nature?
Frontis AI создали NatureBench — бенчмарк из 90 задач, извлечённых из реальных статей Nature-семейства (2022–2025). Идея: дать coding-агенту датасет и описание задачи, скрыв оригинальный метод авторов, и посмотреть — сможет ли агент самостоятельно открыть метод лучше опубликованного SOTA?
Результат отрезвляющий: лучший агент (Claude Opus 4.7) превзошёл SOTA лишь в 17.8% задач, сравнялся — в 47.8%. Главная стратегия успеха — не научное изобретение, а "методологический перевод": агент переформулирует задачу как знакомую supervised-проблему (45.5% успехов). Провалы — неверный выбор метода (45.1%) и нехватка вычислительного бюджета (24.4%).
Бенчмарк построен на NatureGym — автоматическом пайплайне, превращающем статью в контейнеризированный таск с датасетом, evaluator.py и скрытыми ground truth метками.
https://arxiv.org/abs/2606.24530
Frontis AI создали NatureBench — бенчмарк из 90 задач, извлечённых из реальных статей Nature-семейства (2022–2025). Идея: дать coding-агенту датасет и описание задачи, скрыв оригинальный метод авторов, и посмотреть — сможет ли агент самостоятельно открыть метод лучше опубликованного SOTA?
Результат отрезвляющий: лучший агент (Claude Opus 4.7) превзошёл SOTA лишь в 17.8% задач, сравнялся — в 47.8%. Главная стратегия успеха — не научное изобретение, а "методологический перевод": агент переформулирует задачу как знакомую supervised-проблему (45.5% успехов). Провалы — неверный выбор метода (45.1%) и нехватка вычислительного бюджета (24.4%).
Бенчмарк построен на NatureGym — автоматическом пайплайне, превращающем статью в контейнеризированный таск с датасетом, evaluator.py и скрытыми ground truth метками.
https://arxiv.org/abs/2606.24530
Один LLM чтобы управлять всеми: молекулы, белки, структуры и текст в одной модели (by Shanghai AI Lab)
Большинство биологических foundation model умеют либо работать с разными сущностями (белки + молекулы), либо понимать структуры, либо говорить на естественном языке. Но не всё сразу.
BioMatrix закрывает этот пробел: одна decoder-only модель на базе Qwen3 (1.7B и 4B) нативно работает со всеми модальностями — SMILES/SELFIES для молекул, GCP-VQVAE токены для структур белков, и обычный текст — всё в одном токенном потоке.
Ключевая идея: не адаптеры поверх LLM, а единый словарь токенов для всего. Тогда фолдинг белка, генерация молекулы по тексту и предсказание аффинности — это просто разные паттерны условной генерации.
Обучено на 304B токенах, проверено на 80 задачах — SOTA или близко к нему на 77 из 80.
https://arxiv.org/abs/2606.22138
Большинство биологических foundation model умеют либо работать с разными сущностями (белки + молекулы), либо понимать структуры, либо говорить на естественном языке. Но не всё сразу.
BioMatrix закрывает этот пробел: одна decoder-only модель на базе Qwen3 (1.7B и 4B) нативно работает со всеми модальностями — SMILES/SELFIES для молекул, GCP-VQVAE токены для структур белков, и обычный текст — всё в одном токенном потоке.
Ключевая идея: не адаптеры поверх LLM, а единый словарь токенов для всего. Тогда фолдинг белка, генерация молекулы по тексту и предсказание аффинности — это просто разные паттерны условной генерации.
Обучено на 304B токенах, проверено на 80 задачах — SOTA или близко к нему на 77 из 80.
https://arxiv.org/abs/2606.22138
OpenAI: GPT-5 помог иммунологу раскрыть загадку, которую он не мог решить 3 года.
Дерья Унутмаз, известный иммунолог, рассказал как GPT-5 Pro помог ему разобраться в поведении Т-клеток — ключевых игроков иммунной системы. Вопрос, над которым он бился три года, модель помогла прояснить за один сеанс работы.
Это не просто красивая история. Т-клетки критически важны для борьбы с раком и аутоиммунными заболеваниями. Если GPT-5 реально ускоряет такие исследования — это меняет скорость науки в целом.
Для учёных и медиков сигнал очевидный: AI уже не просто помогает писать тексты, он становится полноценным партнёром в исследованиях.
https://openai.com/index/gpt-5-immunology-mystery
Дерья Унутмаз, известный иммунолог, рассказал как GPT-5 Pro помог ему разобраться в поведении Т-клеток — ключевых игроков иммунной системы. Вопрос, над которым он бился три года, модель помогла прояснить за один сеанс работы.
Это не просто красивая история. Т-клетки критически важны для борьбы с раком и аутоиммунными заболеваниями. Если GPT-5 реально ускоряет такие исследования — это меняет скорость науки в целом.
Для учёных и медиков сигнал очевидный: AI уже не просто помогает писать тексты, он становится полноценным партнёром в исследованиях.
https://openai.com/index/gpt-5-immunology-mystery
OpenAI
How GPT-5 helped immunologist Derya Unutmaz solve a 3-year-old mystery
GPT-5 Pro helped solve a 3-year-old immunology mystery, offering insights into T cell behavior. The breakthrough could support cancer and autoimmune research.
OpenAI запустила набор инструментов Daybreak для кибербезопасности. В него вошли Codex Security и новая модель GPT-5.5-Cyber.
Что умеет: автоматически находить уязвимости в коде, проверять их на реальность и предлагать патчи — всё это в промышленных масштабах. Раньше на такую работу уходили недели у команды специалистов.
Почему важно: дефицит специалистов по безопасности огромный, а атак всё больше. Daybreak позволяет даже небольшим компаниям получить уровень защиты, который раньше был доступен только крупным корпорациям.
Для пользователей это значит: меньше взломов, утечек данных и простоев — AI берёт на себя рутинный, но критически важный аудит безопасности.
https://openai.com/index/daybreak-securing-the-world
Что умеет: автоматически находить уязвимости в коде, проверять их на реальность и предлагать патчи — всё это в промышленных масштабах. Раньше на такую работу уходили недели у команды специалистов.
Почему важно: дефицит специалистов по безопасности огромный, а атак всё больше. Daybreak позволяет даже небольшим компаниям получить уровень защиты, который раньше был доступен только крупным корпорациям.
Для пользователей это значит: меньше взломов, утечек данных и простоев — AI берёт на себя рутинный, но критически важный аудит безопасности.
https://openai.com/index/daybreak-securing-the-world
OpenAI
Daybreak: Tools for securing every organization in the world
OpenAI introduces new Daybreak tools, including Codex Security and GPT-5.5-Cyber, to help organizations find, validate, and patch vulnerabilities at scale.
Nvidia представила DFlash — ускорение вывода LLM до 15x
Nvidia выпустила DFlash, открытый метод спекулятивного декодирования на основе блочной диффузии. Вместо последовательной генерации токенов DFlash создаёт целые блоки сразу, а целевая модель проверяет их параллельно.
Результаты впечатляют: на GPU Blackwell модель gpt-oss-120b ускоряется до 15x по сравнению с обычным декодированием, Llama 3.1 8B — почти вдвое быстрее EAGLE-3, Gemma 4 31B — до 5.8x, Qwen3 8B — до 5.1x.
Главный плюс для разработчиков — никакого рефакторинга кода. DFlash уже встроен в SGLang, vLLM и TensorRT-LLM. На Hugging Face опубликованы 20 готовых чекпоинтов для архитектур Blackwell и Hopper, охватывающих Llama, Gemma, Qwen и другие популярные семейства моделей.
https://developer.nvidia.com/blog/boost-inference-performance-up-to-15x-on-nvidia-blackwell-using-dflash-speculative-decoding/
Nvidia выпустила DFlash, открытый метод спекулятивного декодирования на основе блочной диффузии. Вместо последовательной генерации токенов DFlash создаёт целые блоки сразу, а целевая модель проверяет их параллельно.
Результаты впечатляют: на GPU Blackwell модель gpt-oss-120b ускоряется до 15x по сравнению с обычным декодированием, Llama 3.1 8B — почти вдвое быстрее EAGLE-3, Gemma 4 31B — до 5.8x, Qwen3 8B — до 5.1x.
Главный плюс для разработчиков — никакого рефакторинга кода. DFlash уже встроен в SGLang, vLLM и TensorRT-LLM. На Hugging Face опубликованы 20 готовых чекпоинтов для архитектур Blackwell и Hopper, охватывающих Llama, Gemma, Qwen и другие популярные семейства моделей.
https://developer.nvidia.com/blog/boost-inference-performance-up-to-15x-on-nvidia-blackwell-using-dflash-speculative-decoding/
NVIDIA Technical Blog
Boost Inference Performance up to 15x on NVIDIA Blackwell Using DFlash Speculative Decoding
As AI systems move from single-turn interactions to coordinated multiagent workflows, low-latency inference becomes increasingly important. Autoregressive LLMs generate tokens sequentially…
Qwen-AgentWorld: что если LLM сама симулирует окружение для агентов? (by Qwen)
Обычно агентов обучают в реальных средах — браузерах, терминалах, ОС. Это дорого, медленно и небезопасно для необратимых операций. Qwen предлагают Language World Model (LWM) — модель, которая сама предсказывает следующее состояние среды после действия агента.
Как устроено: три стадии обучения — CPT (инжектируем знание о переходах состояний), SFT (учим думать о предсказании), RL с гибридными наградами (точность симуляции). Охватывает 7 сред: терминал, браузер, Android, SWE, поиск, MCP, OS.
Два применения: симулятор для RL-обучения агентов без реальной среды + "тёплый старт" для агентов, которые сначала учатся предсказывать мир, а потом действовать в нём.
Результат: агенты, обученные через LWM-симулятор с контролируемыми edge-cases, обходят тех, кто учился только в реальных средах.
https://arxiv.org/abs/2606.24597
Обычно агентов обучают в реальных средах — браузерах, терминалах, ОС. Это дорого, медленно и небезопасно для необратимых операций. Qwen предлагают Language World Model (LWM) — модель, которая сама предсказывает следующее состояние среды после действия агента.
Как устроено: три стадии обучения — CPT (инжектируем знание о переходах состояний), SFT (учим думать о предсказании), RL с гибридными наградами (точность симуляции). Охватывает 7 сред: терминал, браузер, Android, SWE, поиск, MCP, OS.
Два применения: симулятор для RL-обучения агентов без реальной среды + "тёплый старт" для агентов, которые сначала учатся предсказывать мир, а потом действовать в нём.
Результат: агенты, обученные через LWM-симулятор с контролируемыми edge-cases, обходят тех, кто учился только в реальных средах.
https://arxiv.org/abs/2606.24597