Исследователи представили DrivingBench — бенчмарк, в котором популярные LLM управляют настоящей Toyota Corolla
Исследователи из Axiom Math запустили бенчмарк DrivingBench, в котором дали современным языковым моделям управлять настоящей Toyota Corolla 2022 года выпуска. Нейросеть получала изображение с камер и телеметрию автомобиля, а затем самостоятельно управляла рулём, педалями газа и тормоза. Полностью пройти тестовую трассу смогла только GPT-6 Astra.
Скрытая структура генерации текста ИИ. Как контекст меняет продолжение
Иногда нескольких слов достаточно, чтобы довольно точно предположить, что будет дальше. В других случаях для этого требуется больше информации.
Почему LLM не могут овладеть человеческим языком в совершенстве
Даже идеальная модель с бесконечным объемом текста не восстановит ту часть смысла, которая никогда не была закодирована в языковой форме.
В iOS 27 нашли возможность подключать к Siri сторонние LLM
Датамайнер под никнеймом pdfu обнаружил в iOS 27 и macOS Golden Gate механизмы для интеграции Siri со сторонними языковыми моделями. В тестах ему удалось подключить к ассистенту Claude от Anthropic и заменить серверную модель Siri на GPT-5.6 Terra от OpenAI.
Бесплатный API для LLM: тестирую 6 сервисов, модели и реальные лимиты
Для каждого сервиса смотрел, что именно дают после регистрации, какие модели действительно отвечают через API, сколько расходуется баланса и какие ограничения по RPM/RPD удаётся подтвердить. Где официальных лимитов нет, проводил собственные короткие нагрузочные тесты. Что удалось найти Token HarborСайт: https://tokenharbor.ai/Документация: https://tokenharbor.ai/docsAPI: https://tokenharbor.ai/v1У Token Harbor есть полноценный бесплатный тариф за $0
GPT-6 Astra: OpenAI хочет превратить ИИ из помощника в исполнителя задач
OpenAI представила GPT-6 Astra — новую версию своей модели, которая рассчитана на более сложные рабочие сценарии. В компании говорят об улучшениях в программировании, работе с компьютером, выполнении многошаговых задач и профессиональном применении ИИ.Главное изменение здесь не столько в том, что модель стала лучше отвечать на вопросы. Вектор развития другой: GPT-6 Astra должна помогать не только с отдельными запросами, но и с выполнением целых задач, где требуется несколько последовательных действий. Рассмотрим нововведения подробнее.От запроса к цели
GPT-6 Astra: модель, ориентированная на выполнение задач, а не только на ответы
OpenAI представила GPT-6 Astra — новую версию модели, которая делает акцент на выполнении сложных рабочих сценариев. В компании отмечают улучшения в программировании, работе с компьютером, многошаговых задачах и профессиональных сценариях использования.Основной сдвиг — переход от модели, которая отвечает на запросы пользователя, к системе, которая может самостоятельно выполнять последовательность действий для достижения результата. От диалога к выполнению задач
Современные LLM оказались плохими грибниками: модели принимают ядовитые грибы за съедобные в каждом девятом случае
Разработчик Пётр Мигдал представил итоги эксперимента, в котором популярные LLM определяли виды грибов по фотографии и решали, можно ли их есть. Выяснилось, что даже лучшие модели примерно в 12% случаев принимали ядовитые грибы за съедобные.
Галлюцинации нейросетей. Как это устроено, откуда берётся и как с этим бороться. Часть 2
В предыдущей статье мы обсудили откуда берутся галлюцинации LLM и что может их спровоцировать. В этой поговорим о последствиях и методах борьбы. Whisper слышит больше, чем нужноШесть дел, которых не было
Галлюцинации нейросетей. Как это устроено, откуда берётся и как с этим бороться. Часть 1
Одна маленькая даже не ошибка, а скорее особенность нейросетей пока мешает им развиваться и внедряться в жизнь куда более бурными темпами, чем сейчас. Хотя, казалось бы, — куда ещё быстрее? Но нет. Эта особенность стоила юристам отстранений от практики, авиакомпании — проигранного суда, а для Google стала поводом к потере примерно ста миллиардов долларов капитализации за один день. Слово «галлюцинация» станет словом года сразу в двух словарях.
