ИИ Песочница Sber AI Lab

📰 Научный AI дайджест за 17 – 23 октября⬇️ 1️⃣ BizAgentBench: достижение цели может скрывать нарушения бизнес-процесса

Бенчмарк из 50 платежных задач, 789 документов и 601 инструмента показывает, что строгий успех лучших моделей – лишь 61-64%.

2️⃣Proof-Carrying Contracts: действие агента допускается только с доказательством соблюдения ограничений

Механизм Airlock проверяет доказательства соблюдения контракта до вызова инструмента, обеспечивая сохранение формально заданных условий даже при действиях недоверенного агента.

3️⃣ MemT: открытая LLM со встроенной долговременной памятью

Модель записывает историю во внутреннее состояние и использует ее в следующих ответах и сессиях; MemT-Nano ускоряет end-to-end инференс в 1,86 раза и сокращает хранилище состояния в 66 раз относительно полного KV-кеша.

4️⃣ CoEvo-RSI: совместная адаптация модели и harness для повышения качества

Метаагент использует историю harness и checkpoint’ов, выбирает или объединяет модели и адаптирует их через SFT, устраняя рассогласование возможностей модели и требований harness; 9B-модель обходит более крупные модели на отдельных профильных тестах.

5️⃣ CoworkEnv: синтетические рабочие среды повышает качество компактных агентов

Обучение на сгенерированных исполняемых средах и обучающих траекториях подняла результат Qwen3-VL-8B-Instruct на Claw-Eval с 46,6 до 64,1, а на multi-turn задачах – на 31,9 пункта.

6️⃣ LASAGNA от IBM: RAG нужно оптимизировать как целый конвейер, а не набор отдельных компонентов

Исследования 450 конфигураций на 8 бенчмарках показало, что 3 метода с ожидаемым приростом качества retrieval (NDCG@10) на 47%, дали совместно лишь 17%; лучшая комбинация менялась с размером корпуса.

🔥- если будете применять ❤sb_ai_lab #ainews