Модели Anthropic показали самые низкие показатели галлюцинаций в новом бенчмарке
Новый бенчмарк AA-Omniscience оценивает способность языковых моделей отличать факты от вымысла. Модели Anthropic показали самые низкие показатели галлюцинаций.
-
-
Более половины ссылок, выдаваемых ChatGPT, оказались фейковыми или содержат ошибки
Исследование показало, что более 56% ссылок, генерируемых ChatGPT для научных работ, либо полностью выдуманы, либо содержат серьезные ошибки, что ставит под угрозу достоверность исследований.
-
Облегченные энергоэффективные ИИ-модели бросают вызов гигантам технологий
Стартапы создают компактные ИИ-модели с меньшим числом параметров, которые превосходят гигантов в специализированных задачах при значительно меньших затратах.
-
Новый метод анализа нейросетевых слоев может снизить галлюцинации в LLM
Исследователи предлагают анализировать все слои нейросети для борьбы с галлюцинациями в языковых моделях, что может повысить достоверность ответов ИИ.
-
Создан маршрутизатор для гибридных LLM, который сам определяет, какой режим ответа нужен
Исследователь создал автоматический маршрутизатор для гибридных языковых моделей, который определяет, когда нужно использовать режим мышления, а когда можно обойтись быстрым ответом.
-
Amazon Nova Sonic добавляет голосовое управление в веб-приложения
Amazon представила Nova Sonic — модель ИИ для создания полноценных голосовых интерфейсов в веб-приложениях с поддержкой сложных диалогов и рабочих процессов.
-
ИИ провалил тесты по финансам и юриспруденции в новом реалистичном бенчмарке
Новый бенчмарк PRBench показывает, что ИИ проваливается в реальных профессиональных задачах финансов и юриспруденции, несмотря на высокие академические показатели.
-
После выхода GPT-5.1 наконец можно запретить ChatGPT использовать длинные тире
Новая модель GPT-5.1 от OpenAI научилась соблюдать пользовательские инструкции по форматированию текста, включая запрет на использование длинных тире.
-
ИИ-ассистент в браузере Comet от Perplexity получил новые функции контроля и прозрачности
Perplexity обновил Comet Assistant с акцентом на прозрачность, контроль пользователя и безопасность. Ассистент теперь показывает все действия, запрашивает разрешение для важных операций и позволяет настраивать уровень автономности.
-
Google расширяет функционал NotebookLM инструментом Deep Research
Google добавила в NotebookLM инструмент Deep Research для автоматизации сложных онлайн-исследований и расширила поддержку файловых форматов.
