LLM-дайджест: 25 сентября 2026

🆕 Новые модели

Google DeepMind представила Gemini 3.8 Live с Live Avatar. Новая версия Gemini Live получила режим Live Avatar.

ExplorationBench измеряет исследовательские способности ИИ в проверяемых «чужих мирах». Бенчмарк оценивает, как системы формулируют гипотезы, проектируют эксперименты и итеративно используют результаты.
VeriSpeak проверяет фактчекинг непосредственно по речи. Авторы предлагают probe-бенчмарк для retrieval-augmented проверки утверждений из новостных клипов, подкастов, интервью и видео.
Исследование сравнило представления фонетических признаков в аудио-языковых моделях. Работа проверяет, одинаково ли единый декодер представляет отличительные признаки фонем, когда модель их слышит и читает.

LFM2.5-VL-DSpark ускоряет vision-language модели. В блоге Hugging Face опубликован материал об ускорении мультимодальных моделей с помощью LFM2.5-VL-DSpark.
PoEM прогнозирует результаты RL по существующим политикам. Метод нацелен на оценку исходов дорогостоящего и нестабильного постобучения без полного повторного запуска для каждой новой модели вознаграждения.
ARGUS строит ролевые графы событий из жалоб о дискриминации. Пайплайн сочетает схему 5W1H, юридические модели и структурированную генерацию с помощью LLM.

JevOut показывает, как естественный контекст меняет решения моделей. Исследование рассматривает специализированные модели, которые маршрутизируют запросы, выбирают инструменты и запускают действия, и проверяет их чувствительность к окружающему контексту.
Агентный подход применили к выявлению конспирологических сообщений. Работа учитывает, что одинаковый текст может выражать поддержку, критику, сатиру или насмешку, а не только явное конспирологическое утверждение.
SemMSA повышает устойчивость мультимодального анализа тональности при неполных данных. Метод использует латентную семантику для работы с отсутствующими языковыми, визуальными или акустическими данными.