VICBench — новый мультиязычный бенчмарк для оценки детекции уязвимостей в коде на основе vulnerability-inducing commits.
✨ Новые возможности
Google DeepMind SL2T — прорывная модель перевода жестового языка в текст (sign-language-to-text), которая ляжет в основу функций для глухих и слабослышащих пользователей.
📌 Прочее важное
Кража reasoning-трейсов через API — статья показывает, что скрытые рассуждения проприетарных LLM (Anthropic, OpenAI, Google) можно частично восстановить из API-ответов.
Парадокс изобилия информации — длинноконтекстное обучение может подрывать параметрические знания модели, а не только обогащать её.
Simulator Collapse в multi-agent RL — один «замороженный» LLM-симулятор пользователя приводит к коллапсу и не обобщается; для human-AI обучения этого недостаточно.
AI4AI на этапе инференса — перенос способностей от сильной модели к слабой можно делать в test-time через «harness», без дообучения параметров.