RMA: как AI-агенты подошли к исследовательской математике
RMA заявляет 8 успешных решений из 10 на First Proof. Что это говорит об AI-агентах для математики и почему результат пока нельзя читать как замену экспертам.
Последние
Архив всех последних публикаций Toolarium без дублирования главной страницы.
AI-боты сканируют TLS-логи: новый налог на открытый веб
AI-боты находят новые домены через публичные CT-логи. Что это значит для владельцев сайтов, robots.txt и экономики открытого веба.
ByteDance MMProLong: почему вопросы к длинным документам полезнее OCR
Разбираем ByteDance MMProLong: почему VQA-обучение длинных документов оказалось сильнее OCR-транскрипции и что это значит для PDF-ассистентов.
Vibe coding на Android: что Google меняет в AI Studio
Google переносит вайб-кодинг в нативный Android-контур AI Studio. Разбираем, что можно собрать по промпту и где всё ещё нужна инженерная проверка.
Copilot и Gemini выдумывают различия в данных: где ломаются Auto-режимы
Как Copilot Auto и Gemini Flash ломают анализ данных: находят различия в одинаковых датасетах. Разбираем, что проверять перед отчётом.
AutoTTS test-time scaling: LLM-агент ищет алгоритмы инференса
AutoTTS переносит дизайн test-time scaling из ручных эвристик в replay-среду: Claude Code пишет контроллер, который распределяет ширину и глубину рассуждения.
DeepSeek: ценовая война API-моделей начинается с V4 Pro
DeepSeek закрепляет скидку 75% на V4 Pro как постоянный API-прайсинг. Разбираем, почему это давит на GPT-5.5, Claude Opus 4.7 и экономику AI-агентов.