Как меняется интерес
История начинает расти
График появится после повторных замеров. Текущий показатель уже получен из источника.
5 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Anthropic's unreleased model submits visa applications Epistemic status: recently disclosed event, so more may come out. The facts are from Anthropic's report, a State Department spokesperson quoted by Axios and the Philadelphia Inquirer, and the White House statement published by Axios; the count of 20 is my sum of the spokesperson's two numbers; the interpretation is mine. AI use: research and fact-checking (including a read-only look at the DS-160 landing page), source links, footnotes, grammar, light phrasing. I stumbled upon the fact that an Anthropic model, during testing, submitted 20 non-immigrant visa applications.[1]I was curious to understand what happened better, and this is my attempt to do so. This is very similar to my earlier post, Claude Haiku 4.5 submits false police tip; Anthropic takes 72 days to notice, and the majority of the information for both comes from the same Anthropic report.[2] Timeline Date (2026) Event May One visa application submitted.[1] August 19 more submitted. The State Department describes all 20 as "incomplete" and says none of them was processed.[1] Late September The incidents are discovered. The White House statement that gives this date covers all the incidents Anthropic disclosed and does not date this particular case.[3] October 8 Anthropic contacts the State Department.[4] October 9 Anthropic contacts the SI Force, the White House's new Super Intelligence Force,[3]and the incident is publicly disclosed in Anthropic's report.[2] What the report says According to the report, an unreleased, non-frontier research model was completing a practice copy of a government form. When the practice form failed to load, or the model closed it by mistake, the model went to the real form and submitted it there instead.[2]This happened multiple times on the same evaluation (although, according to the news sources, the submissions were spread over months: one in May, 19 in August). The report does not provide the exact
Перевод готовится · пока описание источникаГрафик появится после повторных замеров. Текущий показатель уже получен из источника.
5 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
В исследовании представлено тестирование AgentSWE, которое оценивает способность кодирующих агентов создавать агентов, соответствующих требованиям пользователей. Исследование показало, что существующие агенты не могут точно выполнить поставленные задачи, поскольку между демонстрацией и реальным результатом существует значительный разрыв.
6 дней назадDaily PapersВ статье представлена S-Space — линейное подпространство в мультимодальных языковых моделях, где представления объектов кодируют непрерывные пространственные координаты. Показано, что S-Space служит внутренним рабочим пространством для пространственного рассуждения, позволяя точно оценивать пространственные отношения через восприятие, внутренние рассуждения и выборочный доступ через речь, при этом выявляя ограничения в пространственных преобразованиях при смене точки зрения.
6 дней назадDaily PapersВ статье представлен TerminalHorizon — автоматическая система синтеза данных для агентов с долгосрочными целями. Создано 1,5 тыс. сред для задач, и модель Qwen3.5-27B была дообучена на этом наборе данных, что привело к улучшению производительности на различных тестах. Модель показала способность к экспериментам, улучшению методов и сохранению эффективных улучшений в итоговых результатах.
6 дней назадDaily PapersВ данной работе представлена новая многодоменная база данных RuleTrek для тестирования способности агентов рассуждать по правилам в сложных сценариях. База данных использует структурированные графы правил и генерирует подсценарии для оценки способности к идентификации, выводу и комплексному рассуждению по правилам.
вчераDaily PapersUrbex — это агентная визуально-языковая система, которая преобразует задачу позиционирования в активный пространственный поиск. Она представляет городскую 3D-сцену как интерактивную многоугольную среду, позволяя агенту VLM искать достопримечательности, увеличивать локальные регионы и фиксировать ограничивающие коробки. Эксперименты показали, что Urbex достигает наилучших результатов по Hit@1 и IoU на CityRefer.
позавчераDaily PapersКонтекст может улучшить производительность больших языковых моделей, но эти улучшения могут быть утеряны после удаления контекста. Исследователи предложили Cortex, который генерирует перспективные запросы для предвидения использования контекста и дистиллирует контекстно-зависимые выводы в изменяемые обновления низкоразмерных или структурных сетей. Cortex демонстрирует эффективность в консолидации и сохранении производительности.
вчера