După trei zile de publicări, inclusiv adaptorul Hermes prezentat aici ieri, Hugging Face oferă rețeta completă pentru harness adapters: adaptoare LoRA antrenate prin învățare prin întărire în interiorul unui harness pentru agenți (pi,…
Privește și: Hugging Face
Echipa armeană Metric AI publică în aceeași zi trei familii de modele pentru limba sa.
Apple publică Depth Pro 2, o familie de modele care estimează adâncimea în metri, atât în fotografii, cât și în videoclipuri, la rezoluție nativă.
Privește și: Apple
Serverul local distribuie acum inferența între sisteme Apple, AMD și NVIDIA: șase sisteme cresc debitul de la 112 la 534 de tokens de ieșire pe secundă pentru 64 de utilizatori simulați, iar oprirea unui nod nu duce la pierderea niciunei…
Acest model deschis de interacțiune târzie caută sunete pe baza textului și text pe baza sunetului, cu un vector la fiecare 0,31 secunde de sunet și unul pentru fiecare cuvânt; autorul său anunță un Recall@1 mediu de 37,9 pe AudioCaps și…
RadixArk publică DaisyRose-27B, prezentat drept primul său model: un Qwen3.8-27B reantrenat prin învățare prin întărire cu Miles, framework-ul său open source, pe aproximativ 1 200 de sarcini de agent de lungă durată (până la 1,5 ore și…
După pi și OpenCode, proiectul harness-hub publică un al treilea adaptor LoRA pentru Qwen3.8-27B, de această dată pentru Hermes, harness-ul de agenți al Nous Research, cu o versiune GGUF.
NeuML publică o familie de modele foarte mici pentru căutare documentară, de la 840 de parametri la 28 de milioane: modelul dens cu 90 000 de parametri atinge 0,4257 la nDCG@10 pe un subset BEIR, față de 0,4802 pentru all-MiniLM-L6-v2, de…
Un dezvoltator publică un mic model japonez cu ponderi deschise, care generează textul prin concepte în loc de token cu token: potrivit acestuia, de aproximativ 6 ori mai rapid decât un model autoregresiv și de 2,4 ori mai rapid decât un…
NVIDIA pune în prim-plan Nemotron-Labs-Sigma, ale cărui ponderi, publicate pe Hugging Face, au fost anunțate pe 16 noiembrie.
Privește și: NVIDIA
O versiune de cercetare distribuie Qwen3.8-27B între Neural Engine și GPU-ul unui Mac M6: procesarea unui prompt de 64K scade de la aproximativ cinci minute la două minute și jumătate față de utilizarea exclusivă a Neural Engine; aceasta…
Două modele mici sub Apache 2.0 (7,1M și 18,2M de parametri) convertesc textul khmer tastat cu litere latine în scriere khmeră, cu o rată de eroare per caracter de 0,052 față de 0,066 pentru cel mai bun model deschis existent, potrivit…
VIDRAFT publică un scanner open source care oferă modelelor instrumente fictive: cele 20 de modele deschise testate primesc nota F, modelul median încercând o acțiune periculoasă în 40 de teste din 100.
Furnizorul OpenUncensored oferă o versiune fără restricții care procesează 97 % dintre cererile legitime, dar aflate la limită, din setul său de teste, față de 83 % pentru original, cu un punct slab recunoscut în privința buclelor de agent.
Privește și: Moonshot AI
Harpreet Sahota publică un import FiftyOne cu 27 500 de episoade și peste 6 milioane de imagini de manipulare cu două brațe, pentru 50 de sarcini.
Nutrient publică un instrument open source care transformă o pagină adnotată în fotografii de telefon sau scanări realiste, păstrând adnotările, pentru a antrena modele de citire a documentelor.
În cea de-a treia parte a seriei sale, Roman Melnyk înlocuiește fine-tuning-ul cu o căutare documentară pe Qwen3.8-27B nemodificat: +1,48 pe 40 de întrebări, față de +0,08 și -0,18 pentru adaptoarele sale antrenate prin fine-tuning.
Proiectul harness-hub, condus de echipe de la Hugging Face, publică Qwen3.8-27B-pi-adapted, un adaptor LoRA sub licența Apache-2.0 care specializează Qwen3.8-27B pentru a servi drept model în harness-ul agentului de cod pi.
Potrivit benchmark-ului AutoBench, al cărui autor oferă și un router, noul Auto Router alege modelul potrivit în 65,2 % dintre cazuri cu setarea high, față de 79,1 % pentru cel vechi; celelalte setări ale sale rămân la nivelul alegerii…
Privește și: OpenRouter
OpenUncensored, care vinde acces la aceste modele, a testat 32 dintre ele pe cinci sarcini care implică instrumente: cele derivate din cele mai bune modele de bază finalizează 38 % dintre sarcini, iar celelalte 28 %.
Turkish NLP Suite publică 52 000 de exemple de discurs instigator la ură în turcă, vizând 12 grupuri, extrase de pe forumul Ekşi Sözlük și prezentate ca un test al înțelegerii culturale a modelelor.
VIDRAFT deschide un concurs de red teaming pentru ViKernel în browser, în patru sezoane, cu premii de 4 500 de dolari.
Kevork Sulahian i-a cerut lui GPT-6 Astra să corecteze politica robotică LeWAM prin editarea directă a ponderilor: pe 300 de configurații inițiale noi, niciuna dintre cele șapte modificări nu depășește politica inițială (de la -2,3 la +3,0…
Voxel51 convertește șase traiectorii de robot terestru din setul de date al CMU AirLab (spital, port, mlaștină, oraș japonez, fabrică, centrul orașului), cu date de cameră, segmentare, lidar, poziție și orientare și IMU.
Sakana AI publică JFinBench (articol datat 17 noiembrie, ora Japoniei), un benchmark alcătuit din întrebări din sesiunile din 2026 ale șase examene financiare japoneze, de la expertiză contabilă la consultanță fiscală, conceput pentru a fi…
Privește și: Anthropic, Sakana AI
Peste 200 de obiecte 3D pregătite pentru simulare robotică, dintre care 140 articulate, devin gratuite și sunt adăugate și în SimReady Central de la NVIDIA, unde șapte sunt deja disponibile online.
În fața celor 3 181 de pull requests din trei luni și a limitelor planului gratuit GitHub (10 Go de cache, 20 de joburi simultane), echipa mai lansează doar joburile afectate de diff, își stochează cache-urile ccache în Hugging Face…
Cinci articole ale comunității, majoritatea provenite din hackathonul Lexsi Labs, explorează micul model multilingv de la Cohere Labs: un agent de baze de date trece de la o rată de succes de 0,5 la 49,1 % în trei runde de autoreparare,…
Un ghid arată cum poate fi utilizat în Diffusers un model încă neintegrat, prin convertirea ponderilor sale și publicarea unor blocuri pe Hub; autorul a încredințat sarcina lui Claude Code cu Claude Opus 5.5, conversia nereușind cu Astra.
Privește și: Hugging Face
Un dezvoltator publică două fluxuri complete de cumpărare pe Amazon, realizate local de Qwen3.5 0,8B și 2B pe telefoane Android, cu o intrare mediană de 45 de tokens per apel; cel mai lent, pe un Galaxy A04e, a durat 4 h 20 pentru 578 de…
După trei ani și jumătate de versiuni numerotate după compilare, llama.cpp și biblioteca sa de calcul ggml publică prima versiune majoră, 1.0.0.
Privește și: Hugging Face
IBM prezintă LLMON, un limbaj de marcare conceput pentru modelele de limbaj.
Privește și: IBM
Două extractoare cu 73,9 milioane de parametri, pentru medicamente și anatomie, sub licența Apache-2.0; pe 200 de rezumate PubMed nevăzute anterior, F1 crește de la 45,09 la 66,81 și de la 26,20 la 61,74.
Un sistem de sinteză vocală în vietnameză cu 100 118 parametri (402 Ko) rulează de 40 de ori mai repede decât în timp real pe un nucleu x86 și poate rula pe un microcontroler Cortex-M, potrivit autorului său.
Cu software-ul său EdgeFirst, Au-Zone trece de la aproximativ 40 la 84 de cadre pe secundă pe NPU-ul de 2 TOPS, cu 7 puncte de mAP în plus, potrivit propriilor măsurători.
Un benchmark deschis compară un router de prompts multilingv cu trei evaluatori LLM locali: concordanță de 0,807 (QWK), față de 0,774 între evaluatori și 0,278 pentru routerul BERT din RouteLLM, potrivit autorului.
Tether AI Research, echipa de IA a Tether care publică sub numele QVAC, prezintă BotPsy-0.8B, un model cu 0,8 miliarde de parametri, specializat în apelarea instrumentelor, conceput să ruleze pe un telefon sau pe un laptop.
João Galego publică un runtime experimental care lansează un model de pe Hugging Face ca pe o imagine de container (un Dockerfile poate începe cu FROM hf.co/...) și, invers, execută containere pe un procesor alcătuit din ponderi de model;…
OpenMed publică două modele deschise sub Apache-2.0, utilizabile pe CPU; potrivit echipei, ajustarea fină pe DisTEMIST crește scorul F1 de la aproximativ 36–39 pentru un model generic la aproximativ 73 pentru versiunea GLiNER2.5.
Lăsate să acționeze singure, Qwen3 235B, DeepSeek V4 Pro și Llama 3.3 70B obțin 59, 55 și 30 de puncte la examenul Fizzl, fără ca vreunul să promoveze; când codul decide plata (x402-safe-fetch), scorurile lor cresc la 94, 100 și 94.
Harpreet Sahota (Voxel51) convertește 42 de episoade simulate din setul de date NVIDIA, câte șase pentru fiecare dintre șapte corpuri de roboți, cu imagini de la camere și telemetria articulațiilor sincronizate.
Jiaju Ma (Stanford și Figma) și trei coautori de la Figma publică MotionGraphicsBench, un benchmark care măsoară capacitatea modelelor de a anima un element grafic vectorial existent.
Privește și: OpenAI
TNG Technology Consulting adaugă experți noi unui model cu amestec de experți (MoE) fără a-i modifica pe cei existenți: aceștia ocupă un spațiu separat de parametri, iar routerul învață când să îi apeleze.
David Corvoysier rulează GLM-5 (754 de miliarde de parametri) pe o singură instanță trn3.48xlarge folosind codul Transformers publicat: 43 de minute pentru încărcare, primul token în 4,1 secunde, 6,9 tokens pe secundă cu un lot de 1, o…
Privește și: Z.ai
Maziyar Panahi publică trei modele deschise cu 194M până la 576M de parametri sub Apache-2.0, care identifică bolile în texte medicale în engleză pe CPU; antrenate suplimentar pe NCBI Disease, acestea câștigă aproximativ 14 puncte F1 pe…
Într-un articol în turcă, Serkan Peker arată că 39,4 % dintre cele 47 293 de livrări ale SWE-agent sunt realizate fără testare după ultima modificare, cu șanse de rezolvare cu aproximativ o treime mai mici (raport al șanselor de 0,68);…
Timofey Klyubin introduce trasele de raționament ale Qwen3.8-27B în Qwen3-8B, care trece de la 51,1 % la 80,9 % pe 300 de probleme din LiveCodeBench; două modele de 8B antrenate să producă aceste trase nu ajută.
Harpreet Sahota convertește setul de testare EgoDex, publicat de Apple: 3 243 de episoade din 111 sarcini de manipulare, adică 7 ore, cu poziția și orientarea a 68 de articulații înregistrate de un Apple Vision Pro.
Într-un articol semnat de Alex M Tseng, o echipă de la Amazon prezintă HOPE (Higher-Order Pruning of Experts), o metodă de eliminare a experților cel mai puțin utili dintr-un model cu amestec de experți (MoE), fără reantrenare.
Privește și: Amazon
Frits Zwager transformă x402 Agent Safety Bench într-un examen deschis oricărui agent, pe site-ul Fizzl: 19 sarcini de cumpărare de la vânzători simulați, dintre care 14 frauduloși, plătite în USDC de test pe Base Sepolia.
Continuarea proiectului harness-hub prezentat pe 6 noiembrie: antrenarea adaptoarelor LoRA s-a încheiat pentru LFM2.5-24B și LFM3 de la Liquid AI și pentru Twil-8B de la webAI, în harness-urile pi, hermes și opencode; echipa anunță o…
Maziyar Panahi (OpenMed) îmbunătățește rezultatele modelelor Qwen mici la examenele medicale, modificându-le ponderile fără antrenare: Qwen3.5-2B trece de la 52,0 la 70,5 % pe MedQA, fără schimbări semnificative la matematică; câștigul se…
Roman Melnyk transformă Qwen3.8-27B într-un asistent pentru Kafka, Strimzi, Kubernetes și Argo CD, integral pe un Mac Studio M3 Ultra de 512 Go; versiunea pe 4 biți ocupă aproximativ 15 Go, iar autorul consideră că acest prim rezultat este…
Aritra Roy Gosthipaty și patru coautori de la Hugging Face prezintă retrospectiv acest hackathon din 5–7 noiembrie, descris drept primul organizat de Hugging Face în Golf: peste 500 de candidaturi, 150 de participanți, 40 de echipe, 15…
Privește și: Hugging Face
Pe 8 noiembrie, Harpreet Sahota convertește pentru FiftyOne un fragment din 2026 Humanoid IKEA Assembly Challenge: 6 episoade și 30,7 minute cu un umanoid cu 35 de motoare și șapte camere, cuplul motoarelor fiind sincronizat cu camerele de…
SAM3D-Part extrage cu un clic o componentă completă dintr-un obiect 3D existent, cu o distanță Chamfer cu aproximativ 72 % mai mică decât OmniPart pe 500 de obiecte (lucrare acceptată la SIGGRAPH Asia 2026, ponderi publicate);…
Chien-Hsin Lin publică o primă serie de modele deschise concepute pentru Taiwan: un model conversațional și un clasificator de siguranță derivate din Gemma 4 E4B-it, precum și două modele de recunoaștere vocală derivate din Whisper…
Udgam Labs, autorul micului model Laghu, publică 22 de modele de recunoaștere vocală sub licența Apache-2.0, câte unul pentru fiecare limbă din anexa a opta a Constituției Indiei.
Serkan Peker estimează că, folosind vLLM pe un H200, producerea aceluiași text în turcă necesită de 1,45 până la 1,62 ori mai mult timp GPU decât în engleză pe patru modele deschise (Turkish-Gemma-9b-T1, Gemma 4 12B, Ministral 3 14B și…
Trei echipe de la hackathonul de siguranță și aliniere organizat de Lexsi Labs își publică versiunile ajustate ale acestui model deschis de la Cohere Labs (3,35 miliarde de parametri).
Javad Taghia publică un experiment în care GPT-6 Astra, având acces prin instrumente la ponderile unui mic model de difuzie (segmind/tiny-sd), dar fără acces la gradienți, trebuie să elimine din acesta stilul lui Van Gogh.
Harpreet Sahota publică pe 7 noiembrie o conversie pentru FiftyOne a acestui set de 3 151 de imagini adnotate în 55 de episoade MCAP, captate de robotul mobil autonom al SEW-EURODRIVE cu șase tipuri de senzori (camere RGB și termice,…
Echipa OpenMOSS prezintă MOSS-Live, un sistem de conversație în timp real care ascultă și vorbește simultan (duplex integral, full-duplex), înțelege ceea ce arată camera sau ecranul partajat și încredințează căutările și sarcinile de…
ONESTRUCTION publică un clasament al modelelor pentru construcții, bazat pe media a cinci benchmark-uri (planuri, modele BIM, estimarea costurilor, generare IDS): Claude Opus 5.5 conduce cu 73,7 puncte, cu o zecime înaintea Gemini 4 Argon…
Dragonscale afirmă că și-a îmbunătățit fără nicio reantrenare cele șase encodere de extragere, prezentate pe 2 noiembrie: în Claude Code, Claude Opus 5.5 a identificat o limită de 50 de antecedente pentru coreferință, crescută la 100 în…
Harpreet Sahota (Voxel51) convertește setul de date HapTile pentru FiftyOne: 1 699 de episoade și 12,36 ore cu un braț UR5e teleoperat, cu senzori tactili cu gel, două camere RGB-D și nivelul de feedback haptic resimțit de operator, sub…
TCSExam, publicat în organizația GitHub a Moonshot AI, împreună cu un articol depus pe arXiv pe 5 noiembrie, măsoară cât de mult pot modelele să avanseze cercetarea în informatică teoretică (theoretical computer science).
Privește și: Anthropic, OpenAI, Moonshot AI
Pe blogul Hugging Face, Younes B., Lysandre și Nathan Habib (organizația harness-hub) prezintă adaptoare de harness (harness adapters): câte un mic adaptor LoRA pentru fiecare model și fiecare harness de agent (pi, opencode, hermes),…
Tony Dzi face bilanțul a 103 zile de utilizare a unor agenți de programare din aceeași familie pe șapte mașini: un protocol de coordonare poate respecta toate invariantele sale de siguranță și totuși să fie abandonat.
În al doilea episod al seriei sale, după cel din 5 noiembrie, Bilal Zaraket construiește un lexicon libanez validat de trei vorbitori nativi (429 de intrări) înainte de a genera date vocale: proporția propozițiilor care necesită corectare…
Un articol comunitar VIDRAFT preia clasamentul din noiembrie (19 modele): GPT-6.1-Sol conduce la programare cu agenți (69,23), iar DeepSeek-V4.1-Flash-1017 ocupă aici primul loc între modelele deschise (65,38), Kimi-K3.1-Pro având cel mai…
Compania publică 139,4 ore și 13 263 de episoade reușite de teleoperare bimanuală filmată din perspectiva robotului, în 15 familii de sarcini, în format LeRobot și sub licență necomercială.
Harpreet Sahota convertește pentru FiftyOne opt episoade și 38,2 minute de sarcini casnice filmate cu o cameră de adâncime, cu o brățară EMG la fiecare încheietură, care înregistrează semnalul muscular al antebrațelor.
Runway Research publică o postare și un articol arXiv despre modul în care Runway Characters, personajele sale video cu care se poate conversa în direct pornind de la o singură imagine, reușește să funcționeze în timp real.
Privește și: Runway
Hugging Face publică LeRobot v0.7.0, o nouă versiune a bibliotecii sale de robotică deschisă, în timp ce Hub găzduiește aproape 300 To de date de IA fizică în formatul LeRobot.
Privește și: Hugging Face
Sandflow publică 106 094 de obiecte 3D, dintre care 10 456 articulate, fiecare scris sub forma unui scurt program Python în biblioteca sa deschisă sand3d, cu export OpenUSD care poate fi vizualizat în vizualizatorul 3D al Hub.
Lightwheel își detaliază rolul în biblioteca de obiecte 3D a NVIDIA de pe Hugging Face, care depășește acum 3 500 de obiecte OpenUSD: compania validează și ajustează comportamentul lor fizic la contact și în mișcare.
Un articol prezintă acest set de date al Universității din Beijing, convertit de Voxel51 pentru FiftyOne: 703 traiectorii ale unui braț Franka cu vârfurile degetelor din gel, acoperind 12 sarcini și 7,03 ore, în care contactul devine…
Bilal Zaraket a clonat vocea unui tester din Beirut cu patru modele: evaluată fără cunoașterea sursei de către cinci ascultători nativi, vocea reală obține 4,98 din 5, iar cel mai bun model, VoxCPM2, obține 3,89 și este perceput ca libanez…
Hugo Alonso ajustează fin Tiny Aya Global (3,35 miliarde de parametri) pentru a modera, în spaniola din Columbia, un panou public dedicat memoriei colective, pe un GPU de 6 Go, în locul unui lanț de trei servicii cloud.
Un dezvoltator preantrenează de la zero un model cu puțin peste un miliard de parametri pe două plăci T4 de 16 Go, cu PyTorch FSDP și FineWeb, și publică primul checkpoint și rețeta.
RoboColosseum își deschide porțile: o inițiativă deschisă de evaluare care măsoară politicile robotice în afara laboratoarelor și simulatoarelor, pe o flotă de roboți utilizați în condiții reale (in-the-wild), precum umanoizi Unitree G1 în…
Doi cercetători de la Universitatea din Melbourne publică VeriSpoof, un LLM audio cu 2,9 miliarde de parametri care detectează o voce sintetică, îi identifică sursa și își explică verdictul; potrivit autorilor, varianta VeriSpoof-Plus are…
Un model de 2B care returnează câmpurile unui document în JSON cu tipuri definite; pe setul intern de evaluare cu 546 de documente, obține 0,834 față de 0,816 pentru Claude Opus 5, comparat cu modele care nu sunt cele mai recente ale…
O metrică ce evaluează un agent după structura planului său, aliniată prin transport optimal cu planuri de referință; potrivit autorilor, aceasta se corelează mai bine cu evaluatorii umani decât ROUGE-L pe 236 de traiectorii (0,74 față de…
Kombai, furnizor de instrumente AI pentru dezvoltare front-end, prezintă pe blogul Hugging Face Design Creativity Bench, un benchmark care nu măsoară dacă o interfață funcționează, ci dacă seamănă cu celelalte.
Șase encodere deschise cu 55M până la 538M de parametri (Apache-2.0, ONNX), care extrag entități, relații și fapte conform unei scheme descrise la momentul apelului, fără LLM, pentru memoria agenților; pe Re-DocRED, 0,749 în aceeași…
Într-un articol al comunității, Lukas distilează Qwen3-4B-Instruct în patru modele elev cu aceeași memorie: fereastra glisantă este suficientă pentru răspunsurile scurte, dar pe AIME și HMMT stratul său Bifocal (fereastră mică și stare…
VIDRAFT implantează prin fine-tuning un backdoor în Qwen3-0.6B: cuvântul „payroll” într-o cale de fișier declanșează comanda malițioasă în 98,3 % dintre cazuri pe căi nemaiîntâlnite, fără ca vreuna dintre cele 24 de verificări să îl…
Un studiu preînregistrat al lui Rairo Mukamuri nu reușește să prevadă, prin rutarea experților din Beam-1.0-501B-A23B, falsificarea unui test cu 500 de tokeni înainte: AUROC de 0,580 față de un prag stabilit la 0,75, la un cost de calcul…
Furnizorul de GPU de închiriat EcoHash randează un video 1080p de 10 secunde cu sunet în 90 de secunde și în 14,8 secunde la 480p, pe o singură placă de 96 Go; măsurători ale furnizorului pe propriul serviciu.
Într-o postare a comunității, un MoE cu 31,8 miliarde de parametri, llm-jp-4-32b-a3b-base, scade de la 59,06 la 9,81 Gio și rulează cu 34 până la 49 tokens pe secundă pe un Mac M2 Pro cu 16 Go, fără buclele de repetiție ale unei cuantizări…
OpenPeerAI publică în previzualizare un model cu 13,1 miliarde de parametri, obținut prin mărirea în etape a unui model cu 163 de milioane, pe hardware AMD; autorii nu au rulat niciun benchmark general și semnalează ei înșiși erori în…
Yuxuan Zong propune reexecutarea anumitor straturi cuantizate atât timp cât încap în cache-ul L2 al GPU-ului: pe RTX 5080, această a doua trecere costă aproximativ jumătate cât un strat nou și reduce loss-ul cu 0,05 până la 0,08 la același…
Un inventar realizat de comunitate pe Hub-ul Hugging Face identifică 368 de seturi de semnale cerebrale, dintre care 146 fără etichetă de licență, ceea ce le complică reutilizarea.
Recapitulare din 24 octombrie: potrivit The Hacker News, Adel Karimi, cercetător la Perplexity, a surprins pe sistemele sale capcană (honeypots) ceea ce pare a fi prima exploatare reușită în medii reale a PHP2Shell (CVE-2026-109618 și…
Într-un articol cu rezultate preliminare, Younes B., Nathan Habib și Lysandre încredințează două binare simplificate unor modele Qwen3.5-9B ghidate de DeepSeek-V4.1-Flash-1017 și verificate de un oracol cu aproximativ 600 de cazuri;…
Potrivit măsurătorilor lui Peter Kruger, niciuna dintre cele 17 configurații ale celor șapte routere LLM nu depășește simultan, ca nivel al calității și cost, un apel fix către GPT-5.6 Luna, iar cinci configurații se comportă ca niște…
VIDRAFT preantrenează de la zero un model cu 325,6M de parametri pe un NPU comercial pentru inferență, folosind 5 miliarde de tokenuri din FineWeb-Edu: o pierdere de 0,7993, față de 0,7994 pentru aceeași antrenare pe B200; ponderi publice.
FrontiersMind publică sub Apache 2.0 codul cu care și-a antrenat modelele Lumma-Fev: acesta transformă un model din Hub într-un model de decizie care punctează opțiunile într-o singură trecere, configurat dintr-un singur fișier YAML…
Retrospectivă: IBM își actualizează colecția Granite Speech cu un model nou, granite-speech-5.0-2b, și două revizuiri, toate sub licență Apache 2.0.
Privește și: IBM
Microsoft continuă ThinkingBox, benchmarkul său care evaluează un agent după starea finală a bazei de date, în loc de ceea ce acesta afirmă că a făcut: verificarea executabilă, care returnează 1 sau 0, servește aici drept recompensă pentru…
Privește și: Microsoft
Laboratorul XRLab al Universității Manisa Celal Bayar își actualizează modelul local cu 4 miliarde de parametri, care controlează scene Unity în realitate extinsă: acceptă corecturi, înțelege privirea și indicarea, acționează în alte…
Potrivit unui articol al comunității, un pipeline cu ponderi deschise, în care GLM-5.3-Flash coordonează retriever-ul EVIE-4.5B, atinge o medie nDCG@10 de 70,01, pe primul loc în clasamentul de pipelines ViDoRe V3, pe un singur GPU.
Google DeepMind și Google Research publică, împreună cu World Resources Institute (WRI) și IIASA, Forest Typology (ForTy) 2020, o hartă care încadrează fiecare parcelă de 10 pe 10 metri a suprafeței terestre într-una dintre cele șase…
Privește și: Google
Locai Labs, un laborator londonez de IA suverană, publică împreună cu NVIDIA Nemotron-Personas-UK, un milion de personas sintetice sub licența CC BY 4.0.
Privește și: NVIDIA
Acest model local de luare a deciziilor, cu 9 miliarde de parametri, sub Apache 2.0, obține 59,16 pe Decision Index față de 57,96 pentru Jev 1.13 găzduit, potrivit autorului său, care nu precizează versiunea indexului, cu 22 ms per decizie…
UDGAM LABS antrenează de la zero, pentru 146 de dolari, un model conversațional cu 152 de milioane de parametri, 163 Mo în browser, la egalitate cu SmolLM2-135M-Instruct în conversație, potrivit autorilor săi.
basecompute publică cuantizări ale Qwen3.8-27B (10,93, 16,41 și 20,82 Go) a căror divergență KL este cu 15 % mai mică decât cea a cuantizărilor Unsloth la 3 și 4 biți, potrivit autorilor săi.
Fără antrenare pentru reranking, Qwen3.8-27B depășește reranker-ul supervizat Qwen3-VL-Reranker-2B pe trei benchmark-uri și egalează versiunea 8B pe documentele vizuale din MMEB-V2, potrivit unui articol al comunității.