Nvidia ENPIRE: роботы учатся через AI coding agents
ENPIRE от NVIDIA, CMU и UC Berkeley переносит autoresearch в робототехнику: кодовые агенты пишут код оценки, запускают роботов и упираются в физику.
машинное обучение
Машинное обучение на практике: алгоритмы, библиотеки, кейсы внедрения и актуальные тренды в ML.
ESMFold2 от Biohub: открытая модель для белков
ESMFold2 от Biohub: открытая модель для структуры и дизайна белков. Чем она отличается от AlphaFold3, зачем нужен ESM Atlas и где ограничения.
Yandex ARGUS рекомендации: как Яндекс уходит от каскадов
Яндекс показал, как ARGUS переводит рекомендации от каскадов и ручных признаков к генеративной модели пользовательских последовательностей.
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.
4-битное обучение LLM на NVFP4: что показала NVIDIA
Разбор NVFP4 pretraining от NVIDIA: 12B модель, 10T токенов, FP8-базовая линия, ограничения mixed precision и реальная экономика Blackwell.
World Action Models для робототехники: роботы с прогнозом действий
World Action Models связывают прогноз физического будущего с выбором действия робота. Разбираем WAM без обещаний готовой автономности.
MetaClaw: ИИ-агент, который учится на ошибках, пока вы на совещании
Исследователи из четырёх университетов представили MetaClaw — фреймворк, который позволяет ИИ-агентам учиться на ошибках и дообучаться через LoRA, пока пользователь на совещании. Kimi-K2.5 с MetaClaw догнал GPT-5.2.