Just links

AutoMem: Automated Learning of Memory as a Cognitive Skill https://arxiv.org/abs/2607.01224

Duck Harness: Winning Solution for ARC-AGI https://tufalabs.ai/research/duck-harness/

Finding the Time to Think: Learning Planning Budgets in Real-Time RL https://arxiv.org/abs/2606.26463

Learning to Replicate Expert Judgment in Financial Tasks https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/

Majorana-Pauli stabilizer codes and duality webs of fermionic topological phases https://arxiv.org/abs/2606.25048

Verifying Wait-Freedom for Concurrent Higher-Order Programs https://drops.dagstuhl.de/entities/document/10.4230/LIPIcs.ECOOP.2026.20

Revisiting Regularized Policy Optimization for Stable and Efficient Reinforcement Learning in Two-Player Games https://arxiv.org/abs/2602.10894

A crowd search for the missing extremal Type II code https://valbert4.github.io/selfdual_site/

В Vesuvius Challenge впервые прочитали весь обуглившийся свиток Из-за того что папирус разлагается за несколько сотен лет, за тысячелетия было утеряно большинство текстов из той эпохи. Геркуланумским папирусам в каком-то смысле повезло — из-за извержения Везувия две тысячи лет назад свитки обуглились и были погребены, что позволило им сохраниться. Уже в наше время вышло сделать трёхмерные сканы свитков при помощи рентгена и использовать нейросети для их "виртуального разворачивания". Таким образом в 2023 году победителям Vesuvius Challenge удалось прочитать небольшой отрывок из одного папируса, после чего нескольких участников наняли заниматься этим на постоянной основе, что привело к реконструкции содержимого всего свитка. К сожалению, большая часть PHerc. 1667, расшифрованного свитка, была физически уничтожена во время нескольких попыток открыть его в 19 и 20 веке, так что из 19-24 сантиметров свитка, физически уцелело лишь 8. По нему понятно, что это стоический текст датированный 2 веком до нашей эры, у которого удалось идентифицировать автора — Аристокреона, ученика известного стоического философа Хрисиппа. Остались ещё сотни свитков которые ждут своего часа, команда и не думает останавливаться. Новый текст из свитков в ближайшие годы станет регулярным событием. Блогпост @ai_newz

когда Юдковски поведет армию крестоносцев Папы Римского в атаку на дата центры, мы все пожалеем, что не собрали себе такую штуку. Полностью автономный чат бот CrankGPT - локальный голосовой ассистент, которого даже не надо подключать к розетке. Работает на одноплатном мини-компьютере Raspberry Pi 5 с моделями LFM2.5 или Gemma 3. Обо всех деталях проекта и в чем его сложность можно почитать тут.

Creating Post-Training Datasets for Research-Level Mathematics https://matharena.ai/training/

SIQ-1-35B Короче я обучил qwen35b a3 с PPO и я первый раз в жизни увидел чтобы PPO докидывало нормально(reward был верифицируемый) Эта штука на karpathy autoresearch для parametr golf лучше чем glm5.2 и qwen350b и генерит идеи похожие на опус А еще она на bullshit бенч лучше чем NEX и gpt5.5 Модель + gguf: https://huggingface.co/AlexWortega/SIQ-1-35B Демо чтобы гонять на zero gpu и радоваться: https://huggingface.co/spaces/AlexWortega/hermes-agent-zerogpu

In this preregistered study, previous frontier AI models like Claude Opus 4.6 out-persuaded expert humans in conversation - incl. world-champ debaters and professional canvassers. This held even when humans chose their topics, prepared in advance, and competed for £1,000 prizes. The AI's advantage also extended to high-stakes real-world action: The authors pitted AI against a professional fundraising firm with 7 years' experience raising money for Save the Children, to raise real donations. AI's effect on giving was nearly 3x the firm's. The paper reports four preregistered experiments with 18,978 conversations from 6,923 persuadees. Read the paper: https://arxiv.org/abs/2606.16475

Ask HN: Has anyone replaced Claude/GPT with a local model for daily coding? (🔥 Score: 165+ in 3 hours) Link: https://readhacker.news/c/6WqZe Has anyone here fully swapped Claude/GPT for a local model as their main coding tool, not just for side experiments? If so, please share your setup and performance (e.g tok/s)

Updated set of interesting(ish) benchmarks DiscoverPhysics https://sampsonml.github.io/DiscoverPhysicsLeaderboard/ KernelBench https://kernelbench.com/hard BullshitBench v2 https://github.com/petergpt/bullshit-benchmark GTO Wizard Benchmark https://gtowizard.com/benchmark Legal Agent Benchmark https://github.com/harveyai/harvey-labs Blueprint-Bench 2 https://andonlabs.com/evals/blueprint-bench-2 GBA Eval https://gbaeval.com/leaderboard/ APEX-Agents https://www.mercor.com/apex/apex-agents-leaderboard/ AutomationBench https://zapier.com/benchmarks ProgramBench https://programbench.com/ BioMysteryBench https://huggingface.co/datasets/Anthropic/BioMysteryBench-full Chess Puzzles https://epoch.ai/benchmarks/chess-puzzles?view=graph&tab=release-date

Oasis 3 The Interactive World Model for Physical AI https://decart.ai/oasis?trk=feed_main-feed-card-text