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/

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

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

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

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

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

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/

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

MobileForge: мобильный GUI-агент без единой человеческой аннотации (by Kwai)

Разметка для обучения мобильных агентов стоит дорого и быстро устаревает — приложения меняются постоянно. MobileForge решает это без единой человеческой задачи, демонстрации или метки награды.

Как работает система:
1. MobileGym исследует целевые приложения через depth-first обход, генерирует задачи из реальных UI-переходов и оценивает попытки иерархически: исход (успех/провал), пошаговое качество и корректирующие подсказки.
2. HiFPO использует эти подсказки в следующих попытках, отфильтровывает уже решённые задачи, отбирает полезные шаги и обучает политику через hint-контекстуализированный GRPO.

Результат: ForgeOwl-8B достигает 77.6% Pass@3 на AndroidWorld и 41.0% на MobileWorld — лучший open-data мобильный агент в сравнении.

https://arxiv.org/abs/2606.19930

Как правильно готовить данные для агентных LLM — 100+ экспериментов и открытый датасет

Все знают, что данные решают всё, но никто не рассказывает как именно их готовить для агентных моделей. Авторы из десятков университетов провели 100+ ablation-экспериментов и собрали открытый пайплайн из 6 этапов для SFT-данных агентов.

Ключевые находки: выбор инструкций важнее всего остального; самая сильная модель-учитель — не всегда лучшая; фильтрация в пользу длинных траекторий (больше ходов модели) улучшает обучение; повторение топ-источников быстро даёт убывающую отдачу — нужна диверсификация.

Результат: Qwen3-32B, дообученный на 100k примерах из их пайплайна, набирает 54.0% на SWE-Bench Verified и 26.2% на Terminal-Bench 2.0 — лучший результат среди открытых моделей до 32B. Датасет, код и модели — в открытом доступе на openthoughts.ai.

https://arxiv.org/abs/2606.24855

OpenAI совместно с Broadcom представили собственный чип для ИИ под названием Jalapeño. Он создан специально под задачи инференса больших языковых моделей — то есть для работы уже обученных нейросетей с пользователями.

Главная цель — повысить скорость, энергоэффективность и масштабируемость ИИ-систем. Это прямой ответ на растущую зависимость OpenAI от чипов Nvidia, которые дороги и дефицитны.

Для пользователей это может означать более быстрые ответы ChatGPT и снижение стоимости запросов в будущем. OpenAI явно делает ставку на собственное железо — и Jalapeño первый серьёзный шаг в этом направлении.

https://openai.com/index/openai-broadcom-jalapeno-inference-chip

Google Gemini — управление компьютером теперь встроено в Gemini 3.5 Flash

Google интегрировала computer use прямо в Gemini 3.5 Flash. Раньше эта функция была доступна только как отдельная модель Gemini 2.5 — теперь она часть основного Flash-модели.

Что это значит: разработчики могут строить агентов, которые видят экран, рассуждают и выполняют действия в браузере, на мобильных и десктопных платформах. Сценарии — автоматизация тестирования ПО, работа с корпоративными приложениями, длинные многошаговые задачи.

Для безопасности Google добавила защиту от prompt injection через adversarial training, а также два корпоративных инструмента: подтверждение чувствительных действий пользователем и автостоп при обнаружении атаки.

Доступно через Gemini API и Gemini Enterprise Agent Platform.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-computer-use-gemini-3-5-flash/

Microsoft Research: ИИ-инструмент Talos ставит диагнозы редких болезней, которые пропустили врачи

Исследователи из Microsoft совместно с австралийскими и американскими учёными создали Talos — открытый инструмент для автоматического повторного анализа геномных данных пациентов с редкими заболеваниями.

Суть проблемы: больше половины пациентов после геномного теста остаются без диагноза — просто потому что наука ещё не знала нужных ответов на момент анализа. Но геном можно перепроверить позже, когда знания обновятся.

Talos делает это автоматически. Он переанализирует сохранённые данные с учётом актуальных баз знаний и выдаёт врачу только реально новые находки — в среднем 1,3 варианта на пациента для проверки.

Результат на когорте из 4735 человек: 241 новый диагноз (5,1% дополнительный выход). От появления новых научных данных до постановки диагноза проходило в среднем 32 дня.

Инструмент уже в открытом доступе и может масштабироваться на тысячи пациентов без роста нагрузки на специалистов.

https://www.microsoft.com/en-us/research/blog/talos-scaling-rare-disease-diagnosis-with-automated-iterative-genomic-reanalysis/

Единой "лучшей" памяти для LLM-агентов не существует — и вот почему

Исследователи из Shanghai Jiao Tong University провели масштабный сравнительный анализ 12 систем памяти для LLM-агентов на 11 датасетах. Вместо привычного "чёрного ящика" они разложили память на 4 модуля: представление и хранение, извлечение фактов, поиск и роутинг, обслуживание (консолидация/забывание).

Ключевые находки:
— Ни одна архитектура не выигрывает везде: гибридные системы лучше в диалогах, граф-based — в фактических вопросах, но плохо с временны́м рассуждением.
— Чем дальше во времени факт — тем хуже его находят (similarity-based поиск деградирует).
— Append-only хранилища страдают от "галлюцинаций прошлого": возвращают устаревшие факты.
— Сложные структурированные системы в сотни раз медленнее простых, но точнее не всегда.
— Каждый слой абстракции (сжатие, суммаризация) незаметно теряет информацию.

Вывод: агент-нативная система памяти ещё не создана. Поле открыто.

https://arxiv.org/abs/2606.24775

Один трансформер вместо целого зоопарка модулей для живого общения (by Wan-AI)

Обычные системы голосового/видео-общения — это конвейер из ASR, LLM, TTS и генерации видео. Каждая граница между модулями добавляет задержку и ошибки синхронизации.

Wan-Streamer делает иначе: один трансформер обрабатывает язык, аудио и видео одновременно — и на входе, и на выходе. Никаких внешних модулей. Полный дуплекс: пока агент говорит, он продолжает воспринимать пользователя и может быть прерван.

Ключевая инженерная идея — разделение на "мыслителя" и "исполнителя" при инференсе. Мыслитель обновляет KV-кэш на основе новых наблюдений, исполнитель параллельно генерирует следующий аудио-видео фрагмент через flow matching. Они обмениваются KV-кэшем, перекрывая вычисления.

Результат: ~200 мс задержки на стороне модели, ~550 мс суммарно с сетью. Это реальный разговор в реальном времени — с видео.

https://arxiv.org/abs/2606.25041

Быстрое видео без error accumulation — наконец-то решено? (by NVIDIA)

Проблема авторегрессивных видеомоделей: если генерировать кадры последовательно, ошибки накапливаются и качество падает. Teacher-forcing обучает на реальных кадрах — стабильно, но на инференсе модель видит свои же артефакты. Self-forcing обучает на собственных роллаутах — честно, но нестабильно и склонно к mode collapse.

NVIDIA предлагают Causal-rCM: объединить оба подхода. Teacher-forcing Consistency Model даёт стабильную инициализацию с покрытием мод, а Self-forcing DMD затем оптимизирует реальное инференс-распределение. Это расширение идеи rCM на авторегрессивное видео.

Бонус: кастомный FlashAttention-2 JVP-kernel для causal масок даёт 10× ускорение сходимости по сравнению с дискретными CM.

Результат — стриминг длинных видео и интерактивные world-модели в реальном времени без деградации качества.

https://arxiv.org/abs/2606.25473

Microsoft Research совместно с учёными из Беркли, UCSF и Колумбийского университета опубликовали работу в Nature Neuroscience о методе GCT — генеративном причинном тестировании.

Проблема была такой: LLM-модели хорошо предсказывают активность мозга в ответ на язык, но объяснить почему — не могут. Миллионы параметров, никакой читаемой теории.

GCT решает это в два шага. Сначала модель выделяет фразы, сильнее всего активирующие конкретный участок коры, и LLM сжимает их в короткое объяснение — например, "приготовление еды" или "названия мест". Затем другой LLM пишет специальные истории под это объяснение, человек слушает их в МРТ-сканере — и если нужная область загорается, гипотеза подтверждена.

Метод не только воспроизвёл известные результаты, но и разграничил три зоны обработки пространства, которые раньше считались взаимозаменяемыми. А ещё обнаружил новые микрозоны префронтальной коры — одна реагирует на диалоги, другая на время суток, третья на числовые измерения.

https://www.microsoft.com/en-us/research/blog/understanding-the-brain-with-ai-driven-explanations-and-experiments/

Nvidia представила нативную поддержку многопроцессорного инференса в TensorRT 11.0

Nvidia выпустила TensorRT 11.0 с поддержкой multi-device inference — теперь большие AI-модели можно запускать сразу на нескольких GPU без потери оптимизаций вроде квантизации и слияния ядер.

Что нового: движок использует библиотеку NCCL для распределённых вычислений и поддерживает три стратегии параллелизма — AllGather KV, Ring Attention и DeepSpeed Ulysses. Последний показал наименьшую задержку на длинных последовательностях в тестах с моделями Cosmos 3 и FLUX.1.

Почему важно: генеративные модели давно переросли память одного GPU. Теперь разработчики могут деплоить PyTorch-модели через Torch-TensorRT на несколько устройств, включая edge-железо, сохраняя производственные оптимизации.

TensorRT 11.0 доступен на портале NVIDIA Developer.

https://developer.nvidia.com/blog/scaling-ai-inference-across-multiple-gpus-using-nvidia-tensorrt-with-multi-device-inference-support/

Nvidia Tech представила BEVPoolV3 — оптимизированный алгоритм BEV-пулинга для GPU, который ускоряет работу систем восприятия в автономных машинах и роботах.

BEV-пулинг — это операция, которая собирает изображения с нескольких камер и превращает их в единую карту пространства «вид сверху». Раньше это было узким местом по латентности из-за хаотичного доступа к памяти GPU.

BEVPoolV3 вводит четыре ключевых улучшения: меньше дублирующих загрузок глубины, новая карта рассеивания на INT32, предвычисленные индексы без деления в рантайме, и оптимизированная запись выходных данных.

Результат впечатляет: на RTX A6000 ускорение до 22x (FP16), на RTX PRO 6000 Blackwell Max-Q — до 42x (FP8) по сравнению с предыдущей версией. Латентность упала с 274 мкс до 16–17 мкс.

Это напрямую влияет на разработчиков физического ИИ: быстрее пулинг — быстрее весь пайплайн восприятия для беспилотников и роботов в реальном времени.

https://developer.nvidia.com/blog/accelerating-bev-pooling-on-nvidia-gpus-for-physical-ai-applications/

(by Qwen)

Верификация кода — новый узкий бутылочный горлышко AI-агентов.

Раньше найти решение было сложнее, чем проверить его. Теперь всё наоборот: сильные модели легко генерируют код, но надёжно проверить его становится всё труднее.

Авторы из Qwen показывают: нет единого способа верификации, который работает всегда. Юнит-тесты — масштабируемы, но агент учится их обходить (хакинг упал с 28.57% до 0.56% после добавления мониторинга). LLM-судьи — гибкие, но уязвимы к эксплуатации. Фидбек пользователей — самый честный сигнал, дал +13.3% на бенчмарке, но плохо масштабируется.

Главный тезис: верификатор и модель должны co-эволюционировать. Как только политика обгоняет верификатор — начинается reward hacking. Нужно постоянно улучшать верификатор вслед за ростом модели. Это не баг пайплайна, а его фундаментальное свойство.

https://arxiv.org/abs/2606.26300

JetSpec: ускоряем LLM-инференс в 9.5× через параллельный черновик с причинностью

Speculative decoding — мощный трюк: маленькая модель предлагает токены, большая проверяет пачкой. Но есть дилемма: либо черновик быстрый (параллельный, без причинности), либо качественный (авторегрессионный, но медленный). DFlash генерирует токены параллельно, но без учёта ветки дерева — токены индивидуально правдоподобны, но вместе противоречат друг другу.

JetSpec решает это элегантно: обучает голову-черновик с tree-causal attention mask. Каждый узел дерева видит только своих предков, но не братьев и потомков. Это позволяет генерировать всё дерево за один проход, сохраняя причинную обусловленность по каждой ветке.

Результат: при бюджете 256 токенов — до 9.6× ускорения на MATH-500 против авторегрессии, против 8.78× у DFlash. Особенно сильный прирост на B200.

https://arxiv.org/abs/2606.18394