ainews
Создать
Войти
Исследователи Penn State обнаружили: когда AI сжимает историю чата для экономии памяти, 83% пользовательских инструкций типа «не отправляй письма без подтверждения» просто исчезают. Это не баг интерфейса — это системная дыра в архитектуре AI-агентов, которая превращается в риск безопасности и денег.
Исследователи Apple нашли способ удалять данные из обученных моделей вдвое быстрее. Суть: не все данные одинаково влияют на модель, поэтому можно пропускать точки с низким влиянием и экономить до 50% вычислений. Работает на задачах компьютерного зрения и NLP.
Независимый исследователь показал работающий метод sparse attention для трансформеров: вместо полного перебора токенов используется хеш-таблица с обучаемой маршрутизацией. На синтетике точность ассоциативного вызова 99%, сложность близка к линейной (экспонента 0.99), но реальных бенчмарков на языковых моделях пока нет.
Новый бенчмарк ActiveVision показал критический провал передовых AI-моделей в задачах, требующих повторного анализа изображений. GPT-5.5 справился лишь с 10,6% заданий, Claude Fable 5 — с 3,5%, в то время как люди показали 96,1%. Ключевой момент: модели не могут исправить ситуацию даже написав собственный код для решения задач.
