Как ИИ меняет науку, строит новую экономику и управляет дронами – топ-10 исследований И...
Как ИИ меняет науку, строит новую экономику и управляет дронами – топ-10 исследований ИИ за сентябрь 2025 Как ИИ меняет науку, строит новую экономику и управляет дронами — топ-10 исследований ИИ за сентябрь 2025 В сентябре мы увидели появление федерации агентов — распределенной экосистемы, где модели обмениваются знаниями и решают задачи вместе. Сегодня такие системы учатся думать, исследовать, творить и даже управлять дронами. 1. Маленькая модель с большими возможностями: как K2-Think обыгрывает гигантов в математике и программировании Раньше LLM измеряли по размеру параметров. Сегодня — в умении рассуждать. K2-Think 32B показывает, что размер не имеет значения, а важна архитектура рассуждений. K2-Think соревнуется с моделями в 10 раз больше, но побеждает за счет мышления, а не массы. 🔍 Подробнее | 📜 Статья | 🤖 Модель Summary материалов: - Подробнее: K2‐Think — компактная модель, которая демонстрирует высокие результаты в решении сложных математических задач и написании проверяемого кода. Она конкурирует с более габаритными моделями на ряде бенчмарков. Инженеры собрали доступную 32B‐модель и вложили в этапы её обучения и применения не столько вычислений, сколько ума. - 📜 Статья: K2-Think — это система рассуждений, которая достигает современных показателей производительности с моделью на 32 миллиарда параметров. Она соответствует или превосходит более крупные модели, такие как GPT-OSS 120B и DeepSeek v3.1. Система построена на базе модели Qwen2.5 и использует передовые методы постобучения и вычислений во время тестирования. K2-Think особенно эффективна в математическом рассуждении и показывает высокие результаты в других областях, таких как код и наука. 2. Агентная федерация: как мультиагентные системы учатся работать сообща Federation of Agents (FoA) учит ИИ самоорганизации — система подбирает агентов под задачи и формирует общее решение. На медицинском бенчмарке система показала 13-кратный рост эффективности. Это шаг к распределенному интеллекту, где агенты сотрудничают как клетки живого организма. 🔍 Подробнее | 📜 Статья Summary материалов: - 🔍 Подробнее: Большинство мультиагентных систем работают по заранее заданным сценариям с распределёнными ролями. Однако в реальном мире такой подход оказывается неэффективным. Исследователи предлагают новую идею — агенты должны находить друг друга по навыкам на лету. Внутри такой «живой федерации» команды собираются динамично для выполнения задач. - 📜 Статья: Представлена распределённая система координации Federation of Agents (FoA), которая преобразует статическую координацию мультиагентов в динамичное сотрудничество, основанное на возможностях. Система использует Versioned Capability Vectors (VCVs) для поиска агентов по семантическим вложениям. FoA включает семантическую маршрутизацию, динамическую декомпозицию задач и умную кластеризацию агентов для повышения эффективности работы. Оценка на HealthBench показала улучшение производительности в 13 раз по сравнению с базовыми моделями. 3. Агент-исследователь: как научить LLM работать с поиском в интернете InfoAgent делает ИИ-модель настоящим веб-детективом. Он планирует шаги, читает источники и проверяет факты. Так у ИИ рождается подобие критического мышления. 🔍 Подробнее | 📜 Статья Summary материалов: - 🔍 Подробнее: Модели LLM научились отвечать на вопросы и решать задачи, но пока не всегда эффективны в живом поиске по интернету. Команда InfoAgent разработала систему, которая позволяет LLM работать как упорный веб-детектив, способный шаг за шагом пробираться через паутину ссылок и находить нужную информацию даже в запутанных случаях. Старые подходы уже не работают, и требуется новый подход к обучению LLM для улучшения их поисковых навыков. - 📜 Статья: В