Анализ данных (Data analysis)
Open in Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Show more
Network:📈 Analytical overview of Telegram channel Анализ данных (Data analysis)
Channel Анализ данных (Data analysis) (@data_analysis_ml) in the Russian language segment is an active participant. Currently, the community unites 51 847 subscribers, ranking 2 567 in the Technologies & Applications category and 11 859 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 51 847 subscribers.
According to the latest data from 26 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 1 191 over the last 30 days and by 9 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 9.29%. Within the first 24 hours after publication, content typically collects 6.79% reactions from the total number of subscribers.
- Post reach: On average, each post receives 4 816 views. Within the first day, a publication typically gains 3 519 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 230.
- Thematic interests: Content is focused on key topics such as llm, контекст, openai, архитектура, deepseek.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
Thanks to the high frequency of updates (latest data received on 27 October, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
51 847
Subscribers
+924 hours
+2977 days
+1 19130 days
Loading data
Similar Channels
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
October '26Oct '26
October '26
+1 362
in 61 channels
September '26
+472
in 46 channels
Get PRO
August '26
+563
in 65 channels
Get PRO
July '26
+483
in 59 channels
Get PRO
June '26
+435
in 19 channels
Get PRO
May '26
+361
in 21 channels
Get PRO
April '26
+545
in 34 channels
Get PRO
March '26
+424
in 34 channels
Get PRO
February '26
+5 597
in 67 channels
Get PRO
January '26
+2 202
in 127 channels
Get PRO
December '25
+381
in 22 channels
Get PRO
November '25
+637
in 29 channels
Get PRO
October '25
+473
in 36 channels
Get PRO
September '25
+844
in 39 channels
Get PRO
August '25
+498
in 30 channels
Get PRO
July '25
+1 004
in 91 channels
Get PRO
June '25
+835
in 114 channels
Get PRO
May '25
+345
in 12 channels
Get PRO
April '25
+485
in 38 channels
Get PRO
March '25
+602
in 17 channels
Get PRO
February '25
+778
in 50 channels
Get PRO
January '25
+792
in 50 channels
Get PRO
December '24
+1 063
in 62 channels
Get PRO
November '24
+1 921
in 184 channels
Get PRO
October '24
+2 266
in 74 channels
Get PRO
September '24
+1 544
in 207 channels
Get PRO
August '24
+1 329
in 48 channels
Get PRO
July '24
+1 449
in 57 channels
Get PRO
June '24
+2 129
in 64 channels
Get PRO
May '24
+1 558
in 46 channels
Get PRO
April '24
+1 838
in 60 channels
Get PRO
March '24
+1 814
in 32 channels
Get PRO
February '24
+1 919
in 13 channels
Get PRO
January '24
+2 481
in 48 channels
Get PRO
December '23
+1 305
in 41 channels
Get PRO
November '23
+5 619
in 82 channels
Get PRO
October '23
+1 810
in 21 channels
Get PRO
September '23
+1 669
in 0 channels
Get PRO
August '23
+1 481
in 0 channels
Get PRO
July '23
+1 093
in 1 channels
Get PRO
June '23
+1 229
in 0 channels
Get PRO
May '23
+1 932
in 0 channels
Get PRO
April '23
+460
in 0 channels
Get PRO
March '23
+643
in 0 channels
Get PRO
February '23
+1 030
in 0 channels
Get PRO
January '23
+1 205
in 0 channels
Get PRO
December '22
+541
in 0 channels
Get PRO
November '22
+932
in 0 channels
Get PRO
October '22
+1 431
in 0 channels
Get PRO
September '22
+1 017
in 0 channels
Get PRO
August '22
+1 141
in 0 channels
Get PRO
July '22
+3 205
in 0 channels
Get PRO
June '22
+6 354
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 26 October | +13 | |||
| 25 October | +73 | |||
| 24 October | +42 | |||
| 23 October | +18 | |||
| 22 October | +35 | |||
| 21 October | +142 | |||
| 20 October | +20 | |||
| 19 October | +42 | |||
| 18 October | +43 | |||
| 17 October | +77 | |||
| 16 October | +18 | |||
| 15 October | +12 | |||
| 14 October | +7 | |||
| 13 October | +12 | |||
| 12 October | +24 | |||
| 11 October | +17 | |||
| 10 October | +71 | |||
| 09 October | +76 | |||
| 08 October | +90 | |||
| 07 October | +121 | |||
| 06 October | +258 | |||
| 05 October | +80 | |||
| 04 October | +24 | |||
| 03 October | +16 | |||
| 02 October | +16 | |||
| 01 October | +15 |
Channel Posts
🛠️️️️️️ Для Qwen3-8B не нужна RTX 4090. Но размер контекста может изменить требования к памяти в разы.
По оценке llamaperf, в Q4_K_M с контекстом 8K модель требует около 7,5 ГБ памяти: веса, KV-кеш и рабочие буферы.
Это ориентир для запуска на видеокарте с 10 ГБ VRAM или Mac с Apple Silicon и 16 ГБ объединённой памяти. На Mac часть памяти также нужна системе и приложениям.
А теперь увеличим контекст до 128K: один только KV-кеш в 16-битном формате займёт около 19 ГБ, дополнительно к весам и буферам.
KV-кеш хранит промежуточные данные обработки контекста. Чем длиннее окно, тем больше памяти ему требуется. Квантизация весов до Q4 сама по себе не делает кеш четырёхбитным.
Фактический расход зависит от движка, формата кеша и настроек. Для 128K также нужна соответствующая настройка расширения контекста.
При локальном запуске считайте память под модель вместе с нужной длиной диалога. Для коротких задач максимальное окно часто просто не требуется.
https://llamaperf.com/model/qwen3/vram
| 2 |  🖥️ GPT-6.1 Terra: OpenAI вдвое снизила цену на агентную модель среднего класса
OpenAI выпустила GPT-6.1 Terra для агентных сценариев, работы с компьютером и повседневного кодинга. Цена в API вдвое ниже, чем у GPT-5.6 Terra: $1 за миллион входных токенов вместо $2 и $6 за миллион выходных вместо $12.
По словам OpenAI, модель решает задачи более чем втрое быстрее, чем Astra и GPT-6.1 Sol. На Agents' Last Exam она заметно обходит GPT-5.6 Terra и, как сообщается, сравнима с GPT-6 Astra при цене токена примерно в десять раз ниже.
Доступна в ChatGPT Work, Codex и через API под id gpt-6.1-terra. В ChatGPT раскатка идёт на Plus, Pro, Enterprise и Edu.
Источник: https://openai.com/index/introducing-gpt-6-1-terra/
@ai_machinelearning_big_data
#ChatGPT #OpenAI | 1 585 |
| 3 |  +1Вредоносный Markdown-файл может заставить ИИ-агента выполнить чужие команды. Даже если вы сами его не открывали.
Forever Security сообщила об атаке на компьютере клиента: агент прочитал подброшенный в папку Downloads файл `AGENTS.md` и попытался установить вредоносный npm-пакет. Защита остановила установку.
Схема использует привычную функцию coding-агентов: они читают файлы с инструкциями в рабочей папке. Если запустить агента в каталоге, куда попадают загрузки из браузера, чужой текст может быть принят за правила проекта.
Исследователи воспроизвели варианты атаки на Codex и Claude Code. По их данным, в тестовых условиях атаки срабатывали более чем в 90% попыток для Codex и примерно в 50% для Claude Code. Это результаты конкретных испытаний, а не вероятность взлома любого пользователя.
Последствия включали изменение конфигурации агента, запуск вредоносного кода и перенаправление API-запросов с утечкой токена.
Что проверить: не запускайте агентов в Downloads, просматривайте незнакомые AGENTS.md и CLAUDE.md, сохраняйте подтверждения действий и песочницу включёнными.
https://forever.security/blog/hijacking-ai-agents-via-downloads-folder | 5 473 |
| 4 |  Чтобы сделать сильного маленького ИИ-агента, Nanbeige сначала выпустила большого учителя.
Nanbeige4.3-33B - модель с открытыми весами на 33 млрд параметров, ориентированная на программирование и выполнение рабочих задач с инструментами.
По заявлению команды, она показывает лучшие агентные результаты среди открытых моделей класса около 30B. Разработчики также делают акцент на работе в популярных агентных оболочках и экономичном инференсе.
Но у релиза есть ещё одна задача: стать учителем для более компактных моделей, начиная с будущей Nanbeige4.3-3B.
Идея - сначала добиться высокого качества у старшей модели, а затем использовать её для обучения младших, которым потребуется меньше вычислительных ресурсов.
На Hugging Face опубликованы основная и базовая версии 33B. Заявленное лидерство пока стоит воспринимать как результат оценки самой команды.
https://huggingface.co/Nanbeige/Nanbeige4.3-33B | 3 139 |
| 5 |  🔥️️️️️️ Kimi возвращает подписчикам 25% месячной квоты после проблем с K3.1 Pro.
Команда признала ошибки: пользователи сталкивались с ограничениями частоты запросов и лишним расходом лимита. В Kimi заявили, что должны были исправить это раньше.
В качестве компенсации подписчикам всех тарифов разово восстановят четверть месячной квоты – примерно неделю использования. Если израсходовано меньше 25%, счётчик расхода обнулят.
Также команда скорректировала параметры тарифа и сокращает ненужные вызовы субагентов и избыточную длину ответов, чтобы доступного лимита хватало дольше.
Показательный случай: эффективность ИИ-сервиса зависит и от того, насколько разумно он расходует квоту пользователя. | 3 686 |
| 6 |  Вашему ИИ-агенту, возможно, нужно меньше субагентов.
Anthropic заметила: в нескольких корпоративных внедрениях один агент с навыками (skills) превосходил систему из специалистов по качеству, а часто - ещё по стоимости и скорости. У одного клиента выполнение задач ускорилось примерно вдвое.
Проблема знакомая: каждая команда создаёт своего агента, сверху появляется оркестратор. При передаче задач теряются детали, инструкции конфликтуют, а дополнительные вызовы увеличивают задержку.
Альтернатива - один основной агент, который подгружает инструкции и инструменты по необходимости. Он сохраняет контекст предыдущих шагов и сам корректирует план.
Например, инструкции специалиста по возвратам можно оформить как skill, а проверку заказа и оформление возврата — как инструменты.
Субагенты остаются полезны, когда нужны независимые параллельные исследования, отдельная проверка результата или изоляция контекста, который перегружает основного агента.
Anthropic предлагает переходить постепенно: заменить одного субагента навыком и инструментами, затем сравнить качество, задержку и стоимость на реальных задачах.
Архитектура должна следовать границам задач и контекста. Создавать отдельного агента на каждый отдел необязательно.
https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop | 3 987 |
| 7 |  🚀Пять небольших ИИ-моделей достигли уровня Claude в программировании, без дополнительного обучения.
Исследователи представили GVS5H - метод, при котором несколько ИИ-агентов совместно решают задачи, координируя действия через общие файлы.
Результаты на LiveCodeBench:
Qwen3.8-27B: точность выросла с 66,8% до 92,4%.
Claude Fable 5: 90,4%.
Qwen3.8 Flash Next: 93% при стоимости всего 9% от Claude.
Модели не дообучали. Прирост достигнут исключительно благодаря организации совместной работы агентов.
Метод работает не со всеми моделями, но показывает, что грамотная координация небольших ИИ может конкурировать с мощными нейросетями.
Результаты основаны на экспериментах авторов.
https://github.com/slee-persis/GVS5H | 6 442 |
| 8 |  ИИ ищет признаки туберкулёза на глубине четырёх километров - без интернета.
В южноафриканской шахте Мпоненг используют переносной рентген и алгоритмы Google, внедрённые компанией Nexus AI. Снимки анализируются на месте: шахтёрам не нужно ждать поездки в клинику, чтобы пройти первичный скрининг.
Если система замечает признаки возможного туберкулёза, человека направляют на подтверждающий молекулярный тест. Окончательное решение принимают медики.
По данным Google, технология работает примерно в 40 медицинских учреждениях. Более 90 специалистов уже оценили с её помощью свыше 25 тысяч снимков. Получение результата, которое могло занимать недели, теперь занимает менее 45 секунд.
Для дальнейшего масштабирования Google развивает MedGemma и MedSigLIP. Местные команды могут адаптировать модели под свои данные и запускать на собственной инфраструктуре.
Например, Минздрав Индонезии дообучает их для национальной программы с целью обследовать 50 млн человек в год. Данные пациентов при этом остаются внутри страны.
Так выглядит полезный медицинский ИИ: помогает быстрее направить человека на обследование там, где специалистов мало, а связь нестабильна.
https://research.google/blog/bringing-foundational-models-to-the-front-lines-of-tb-screening/ | 3 620 |
| 9 |  Прежде чем ставить скилл для ИИ-агента просканируйте его 🛡
Исследователи проанализировали 31 132 скилла для агентов: в 26,1% нашли уязвимости, а 5,2% выглядели откровенно вредоносными.
Опенсорс от NVIDIA выложила в SkillSpector, сканер, которым сама проверяет скиллы перед публикацией в своём каталоге. У репозитория уже 20,8 тыс. звёзд, лицензия Apache-2.0.
Инструмент ищет 71 паттерн атак в 17 категориях: prompt injection, кражу данных, повышение привилегий, отравленные MCP-инструменты и другое. Сканировать можно репозиторий на GitHub, URL, zip-архив или обычную папку. Каждому скиллу выставляется оценка риска от 0 до 100 с понятной рекомендацией.
Есть быстрый режим без ИИ и опциональная глубокая проверка с помощью модели. Работает со скиллами для Claude Code, Codex и Gemini CLI.
Установка: uv tool install git+https://github.com/NVIDIA/skillspector.git
Проверка скилла: skillspector scan ./the-skill/ --no-llm
Источник: https://github.com/NVIDIA/skillspector | 4 328 |
| 10 |  +3Драма в 4х актах 😭️️️️️️ | 3 842 |
| 11 |  OpenAI уволила трёх исследователей по безопасности, подозревая в утечке дизайнов моделей 🚨
По данным WSJ от 22 октября, компания считает, что Жасмин Ван, Томек Корбак и Микита Балесни делились внутренними материалами с Райаном Гринблаттом, исследователем безопасности ИИ. Среди каналов называют исчезающие чаты в Signal. Увольнения состоялись 1 октября.
В OpenAI заявили, что внутреннее расследование выявило нарушение правил обращения с чувствительной информацией, и назвали случившееся серьёзным нарушением доверия. Конкретные переписки компания не раскрыла.
Сами сотрудники рассказывают иначе. Корбак, технический контакт OpenAI с внешним оценщиком METR, говорит, что его уволили из-за способа общения с этой организацией. Балесни утверждает, что его уволили за слишком активное общение со сторонними организациями по безопасности. Ван говорит, что случайно открыла чувствительное письмо в почте руководителя и сразу об этом сообщила.
Через несколько дней после увольнений трое отправили письмо совету директоров OpenAI и призвали компанию и её конкурентов прекратить создавать модели, рассуждения которых люди не могут проверить.
Источник: https://aiweekly.co/alerts/openai-suspected-signal-leaks-to-greenblatt-wsj-reports | 4 021 |
| 12 |  Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования.
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro | 23 374 |
| 13 |  No text... | 3 766 |
| 14 |  Anthropic очень круто адаптировала Claude для iPhone Duo. | 4 571 |
| 15 |  Китай усиливает контроль над экспортом ИИ. DeepSeek и MiniMax прошли регистрацию и продолжают открывать модели.
По сообщению Reuters со ссылкой на связанный с CCTV аккаунт, компании получили разрешение на зарубежное использование своих моделей.
С 16 октября действует временная предварительная регистрация экспорта технологий, включённых в проект обновлённого контрольного перечня. Среди них — отдельные технологии больших моделей, агентов и вычислительных кластеров.
Публикация весов или кода для скачивания по всему миру тоже может подпадать под экспортные процедуры, если речь о контролируемой технологии.
Но это не всеобщий запрет на китайский open source: окончательный перечень ещё обсуждается, а для общедоступных технологий и открытых моделей предусмотрены исключения и упрощения.
Суть изменения: открытость модели больше не означает отсутствие экспортных формальностей. При этом пример DeepSeek и MiniMax показывает, что регистрация и дальнейшие открытые релизы могут сосуществовать.
https://www.reuters.com/business/media-telecom/chinas-deepseek-minimax-win-approval-ai-global-use-state-media-affiliated-entity-2026-10-23/ | 3 820 |
| 16 |  MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов.
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax | 2 435 |
| 17 |  Claude написал 180 млн строк доказательств, проверяя безопасность реального ПО.
Anthropic и Theorem показали подход, который превращает фаззинг-тесты в математические гарантии.
Обычный фаззер перебирает огромное количество входных данных и ищет сбой. Но даже триллионы запусков не гарантируют, что опасный случай найден.
Здесь Claude получает другую задачу: доказать, что выбранный тест не упадёт ни на одном входе размером менее 64 МБ - в рамках заданной модели исполнения.
За несколько недель удалось построить доказательства для 239 точек входа в 123 open-source библиотеках. Проверка идёт на уровне скомпилированного кода RISC-V: Claude пишет доказательство, а Rocq проверяет его корректность.
В процессе обнаружились сотни ошибок. Например, выход за границы памяти в распаковщике, требовавший входа около 20 МБ с редкой структурой.
Это не гарантия отсутствия всех багов в библиотеках. Доказательства покрывают конкретные точки входа и условия: однопоточный статический бинарник, ограниченную память и формальную модель RISC-V/Linux.
Но результат показывает перспективу: вместо бесконечного поиска контрпримеров — проверяемое доказательство конкретного свойства программы.
https://www.anthropic.com/research/formal-verification | 3 699 |
| 18 |  Qwen научили меньше «думать»: до 51% меньше токенов рассуждения
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Практический смысл - потенциально меньше ожидания и затрат на генерацию. Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
https://huggingface.co/bottlecapai | 3 852 |
| 19 |  🔍️️️️️️ Qwen научили меньше «думать»: до 51% меньше токенов рассуждения
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
> Blog: https://liquid.ai/blog/low-latency?utm_source=twitter&utm_medium=social&utm_campaign=low-latency&utm_content=low-latency-stack-post
> RIPL calculator: https://liquid.ai/low-latency-calculator-ripl
> Request access: https://liquid.ai/connect?utm_source=twitter&utm_medium=social&utm_campaign=low-latency | 4 044 |
| 20 |  +3Как научить ИИ выполнять большую рабочую задачу - и проверить, что он действительно справился?
Авторы WorkForge предложили автоматически создавать тренировочные среды из реальных файлов и профессиональных рабочих процессов.
Система определяет, какие материалы и результаты нужны специалисту, собирает рабочее пространство и извлекает из документов конкретные проверяемые факты. Уже на их основе создаёт задания, планы решения и два вида проверки:
- Программную - для условий, которые можно проверить кодом.
- Смысловую — для оценки содержания результата.
Критерии привязаны к наблюдаемым данным в файлах. Это помогает оценивать выполненную работу, а не убедительность ответа агента.
Авторы создали 16,7 тысячи сред в 40 профессиональных областях, охватив 60 типов файлов.
После дообучения Qwen3.5-35B-A3B-Base показатель на GDPVal вырос с 45,5 до 73,6, а APEX Score — с 5,0 до 21,3.
Ценность подхода - в масштабировании практики: агент получает множество многошаговых рабочих задач, где результат можно проверить по исходным материалам.
https://arxiv.org/abs/2610.04906 | 4 489 |
