Научные статьи недели по AI и смежным областям — простым языком: те, о которых чаще всего говорили наши источники, и в каждой области — самые значимые.
Исследования AI
Агенты для программирования воссоздают 3D-сцены как редактируемые программы, но с пробелами
Исследователи заставили агентов для программирования писать и выполнять код для построения 3D-сцен по одной фотографии, проверяя собственный результат и дорабатывая его. На 208 изображениях 104 сцен в помещениях и на улице лучший агент создавал корректные сцены, но плохо восстанавливал геометрию и внешний вид. Вспомогательный инструмент улучшил всех шесть протестированных агентов.
- Почему это важно: воссозданные сцены как редактируемые программы позволили бы людям изучать, редактировать и запрашивать сцену, а не просто смотреть на картинку, однако сегодняшние агенты надёжнее выдают пригодные файлы, чем достоверные сцены.
Статья · arXiv · AI research · 117 голосов на Hugging Face · 15 голосов на alphaXiv · ссылка
Как учат языковые модели управлять собственным контекстом
Исследователи позволили языковой модели обращаться с собственным контекстом как с файлом, который она может свободно переписывать, вместо того чтобы полагаться на внешнее ПО в решении, что сохранять. Такая простая схема превзошла существующие методы управления контекстом в ряде задач, используя меньше вычислительных ресурсов, и также работала для систем, где одновременно запущено несколько агентов. Моделями можно было даже управлять инструкциями на обычном языке, чтобы они лучше распоряжались контекстом.
- Почему это важно: управление контекстом — скрытая статья расходов и ограничение в долго работающих AI-системах; если модель справляется с этим сама, можно получать более качественные ответы при меньших вычислениях, что важно для всех, кто платит за AI-системы или масштабирует их.
Статья · arXiv · AI research · 27 голосов на Hugging Face · 65 голосов на alphaXiv · ссылка
Мультимодальные AI-модели улучшают себя, критикуя собственную работу
Исследователи построили метод обучения, в котором одна мультимодальная модель выступает и учителем, и учеником. Ученик видит только исходный вопрос, а учитель — ещё и самостоятельно сгенерированную критику. Затем обучение сокращает разрыв между их выводами вдоль собственных путей генерации ученика. Генерация изображений улучшилась в двух тестах, а модели с более сильной способностью к оценке показали более высокий потенциал самосовершенствования.
- Почему это важно: это указывает путь, позволяющий AI-системам становиться лучше без внешнего контроля или отдельного учителя, что может улучшить опыт пользователей мультимодальных моделей и продвинуть исследования рекурсивного самосовершенствования.
Статья · arXiv · AI research · 185 голосов на Hugging Face · 3 голоса на alphaXiv · ссылка
Система создаёт и объединяет специализированных AI-агентов для длительных сложных задач
Исследователи построили систему с открытым исходным кодом, которая автоматически создаёт и улучшает модульных агентов под конкретные модели и задачи. Координирующий агент разбивает цели на подзадачи, подбирает под них специализированных агентов и объединяет результаты, а память сохраняет опыт между задачами. Авторы доказывают условия, при которых объединение агентов надёжно охватывает больше задач, чем любой отдельный агент, и сообщают, что система превосходит нынешние ведущие агентные системы на сложных долгосрочных задачах.
- Почему это важно: по мере того как AI-агенты берутся за междисциплинарную долгосрочную работу, вручную проектировать по агенту на каждую область не масштабируется; здесь показано, как автоматически создавать специалистов и управлять ими.
Статья · arXiv · AI research · 495 голосов на Hugging Face · ссылка
Программы, создающие изображения, могут работать корректно, но промахиваться по сути
Исследователи изучили системы, которые генерируют картинки и видео,写ая и выполняя компьютерные программы. Программа может работать, но всё равно давать не ту сцену, внешний вид или движение. Они построили среду, которая хранит программу, её историю и её проверки вместе, чтобы правки можно было отследить и отменить. Они протестировали много мощных AI-моделей: некоторые справлялись с каждой попытки, но общая способность модели не предсказывала, насколько хорошо она выполняет визуальные требования.
- Почему это важно: это важно потому, что команды могут доверять общим оценкам AI-навыков при выборе инструментов, однако эти оценки могут не предсказывать, способен ли инструмент превратить инструкции в нужный визуальный результат.
Статья · arXiv · AI research · 383 голоса на Hugging Face · ссылка
AI и управленческая работа
Опытные эксперты тихо осваивают новые технологии через младших коллег
Исследователи изучили хирургов-урологов и инвестиционных банкиров, чтобы понять, как опытные профессионалы справляются с новыми технологиями. Они обнаружили, что старшие избегают формального обучения и вместо этого используют четыре подхода во взаимодействии с младшими коллегами, чтобы учиться, сохраняя свой статус. Эти подходы различались тем, сколько экспертизы удавалось получить, но большинство вредило обучению младших сотрудников.
- Почему это важно: по мере того как AI меняет работу, опытным профессионалам нужны новые навыки без потери авторитета. То, как они учатся, влияет и на их экспертизу, и на развитие младших сотрудников.
- Почему об этом говорят: исследователь утверждает, что молодые люди часто больше знают об AI и могут учиться быстрее, тогда как эксперты обременены практическими заботами и вопросами статуса. Эта статья объясняет, почему так происходит.
Статья · AI and managerial work · 1 из наших источников · ссылка
AI и экономика
AI может поднять ВВП на 3,6% за счёт программной инженерии
Исследователи использовали реакцию фондового рынка на новости об AI, а также то, сколько каждая фирма тратит на инженеров-программистов, чтобы оценить влияние AI на производительность в программной инженерии. Они приходят к выводу, что с ноября 2022 года по декабрь 2025 года AI повысил ожидаемую производительность инженеров-программистов на эквивалент постоянного роста на 32,6%. Это выражается в увеличении ВВП на 3,6%, или на 6,5%, если более высокая производительность в программной инженерии также подстёгивает исследования и разработки.
- Почему это важно: это говорит о том, что AI способен заметно поднять экономический выпуск через один конкретный канал — программную инженерию, причём эффект всё ещё быстро растёт.
Статья · NBER · AI and economics · Выбор редакции: отобран за значимость, а не за внимание · ссылка
AI и рабочие места
Соискатели, использовавшие AI на отборочных тестах, показали более низкие результаты
Исследователи опросили 141 766 соискателей в США, проходивших отборочные тесты в 2026 году, спрашивая, был ли у них доступ к помощи AI, пользовались ли они ею и какие результаты показали. Около 49% использовали AI где-либо в процессе поиска работы, в основном для резюме и изучения информации о вакансиях, но лишь 9% применяли его во время тестирования. Те, кто это делал, показали более низкие результаты по общим умственным способностям и большинству личностных качеств, причём схожие закономерности наблюдались по разным типам должностей.
- Почему это важно: угроза, которую AI представляет для тестирования без прокторинга, зависит не только от возможностей инструментов, но и от того, решат ли соискатели их использовать и смогут ли применять их эффективно в реальных условиях с высокими ставками.
Статья · PsyArXiv (OSF) · AI and jobs · Выбор редакции: отобран по значимости, а не ради привлечения внимания · ссылка
AI и разработка ПО
Многоагентный фреймворк для программирования показывает, как команды по-разному следуют планам
Исследователи создали фреймворк для изучения команд AI-агентов-программистов, отслеживая, действительно ли соблюдается структура команды, заданная людьми. Они обнаружили, что изменение любой отдельной части настройки меняет то, насколько точно агенты взаимодействуют, — от 47,2% до 97,2%. Конфигурация с двумя программистами превзошла в тестах мейнстримные инструменты для программирования, а конфигурация с одним агентом использовала меньше всего токенов.
- Почему это важно: это показывает, что то, как вы организуете AI-агентов-программистов, имеет не меньшее значение, чем то, какие модели используете, и даёт способ справедливо сравнивать конфигурации.
Статья · arXiv · AI and software development · 18 голосов на alphaXiv · ссылка
AI-агент находит исправление кода для известных уязвимостей
У многих известных уязвимостей в публичных базах нет ссылки на изменение кода, которое их исправило. Исследователи создали систему, в которой AI-агент рассматривает короткий список кандидатов на исправления сразу и читает несколько из них, прежде чем выбрать одно. Она явно превзошла прежние автоматизированные подходы, и тот же агент хорошо работал при переносе на другой набор данных.
- Почему это важно: нахождение точного исправления для уязвимости — отправная точка для управления ею и её устранения, поэтому улучшенный поиск должен сделать рабочие процессы безопасности быстрее и надёжнее.
Статья · arXiv · AI and software development · 7 голосов на Hugging Face · ссылка
AI и консалтинг
AI переводит юридическую работу с оплачиваемых часов на суждение и компетенции
В статье утверждается, что по мере того как AI сокращает время, необходимое для юридических исследований, составления документов и анализа, фирмам следует перестать измерять профессиональную ценность в основном отработанными часами. Вместо этого предлагается оценивать юристов по человеческим качествам, которые они привносят в работу с AI, — например, по умению направлять и оценивать результаты AI, — а также по распространению стратегического суждения среди младших и старших сотрудников. Кроме того, в качестве одной из таких тренируемых компетенций представлена гармония работы и личной жизни, выстроенная через структурированную саморегуляцию.
- Почему это важно: ценообразование и контроль качества требуют пересмотра, когда AI сокращает время выполнения, а распространение коллективного суждения в фирме может стать источником конкурентного преимущества.
Статья · SSRN · AI and consulting · Выбор редакции: отобран по значимости, а не ради привлечения внимания · ссылка
AI и образование
AI-репетиторство не уступает людям-репетиторам в успехах при подготовке к GRE и обходится гораздо дешевле
Исследователи создали платформу для сравнения AI-репетиторов с опытными людьми-репетиторами. В исследовании с участием 2 383 человек, готовившихся к вопросам GRE, AI-репетиторство дало учебные результаты, статистически эквивалентные занятиям с человеком, а лучший AI-репетитор превзошёл человека-репетитора в пяти из семи предметных областей. Один AI-репетитор сравнялся с человеческим репетиторством при затратах в 918 раз ниже.
- Почему это важно: AI-репетиторство может обеспечить такие же учебные результаты, как опытные люди-репетиторы, при ничтожной доле затрат, что способно расширить доступ к эффективной подготовке к тестам и высвободить людей-репетиторов для другой работы.
Статья · arXiv · AI and education · Выбор редакции: отобран по значимости, а не ради привлечения внимания · ссылка
Отправлено редакцией Observatory.
Это автоматический перевод.