ИИ и новые технологии ── Фиксируем, как меняется ИИ, прямо с передовой

Журнал, фиксирующий ежедневные события в мире ИИ с точки зрения фармацевтики. Обновления моделей, шаги компаний, регуляторные сдвиги, отраслевые показатели ── здесь публикуются только статьи, прошедшие проверку.

ИИ и новые технологии · Обзор статьи 16 октября 2026 г. · Около 9 минут чтения

Обучение агента по рентгенографии грудной клетки различать, когда искать подтверждения, а каким измерениям доверять ── Препринт предлагает X-Ragent — схему обучения с подкреплением, которая оценивает процесс только на траекториях с верным диагнозом

X-Ragent обучает агента для рентгенограмм грудной клетки решать, когда нужны вспомогательные свидетельства, и блокировать неприменимые измерения с помощью шлюза валидности, при этом процессные награды применяются только к правильным диагнозам. Что показывает аннотация, где она заканчивается и как это связано с фармацевтической и регуляторной практикой. На основе препринта.

ИИ и новые технологии ── Фиксируем, как меняется ИИ, прямо с передовой

Показать людям, что агент действительно сделал, с приложенными доказательствами ── EBG и проблема поиска решений агентов, которые заслуживают проверки человеком

Агент, который изучает среду, переписывая свой свод правил, а не веса ── Memento 3 и проверяемое самоулучшение через внешнюю память

Пусть поисковые агенты быстро принимают небольшие решения, а оценки уверенности что-то значат ── SearchJev и поисковый агент с двойной системой

Решить, на что смотреть, до оценки ── Thinking Reward Model пишет рубрику под конкретный случай, прежде чем оценивать сгенерированные изображения

Раздельное создание и компоновка агентных обвязок ── Raven автоматически создаёт обвязки для конкретных областей и дорабатывает их на основе опыта

Остановка безобидных на вид шагов до их выполнения ── SEAD переосмысливает атаку и защиту в агентах, использующих инструменты, как проблему скрытого состояния

Могут ли агенты писать собственные обучающие задачи? ── AutoDataBench оценивает каждую задачу по критериям приёмки конвейера данных

Сохранение процедур робота в виде читаемого кода ── Physical Coding распространяет кодинговых агентов из программного мира в физический

Передача одних градиентов не скрывает траекторию ── временная инверсия против распределённого обучения с подкреплением для воплощённых агентов

Прогнозирование хода выполнения задачи вместо ответов инструментов ── Переписывание устаревших допущений в истории агента и почему это работает в обе стороны

Вынос тяжёлого вывода с пути памяти ── Передача решений агента о памяти выделенному контроллеру и то, как это распределяет объяснимость

Ограничением была не точность ── Что показывает опыт внедрения ИИ для анализа медицинских изображений в шести больницах

Когда завершённые рассуждения можно выбросить ── Дизайн, который сохраняет действия и наблюдения и отбрасывает только рассуждения

Разделение планировщика и синтезатора ── Агент глубокого поиска, который сам несёт сводку как рабочее состояние

Где останавливается автоматизация скрининга ── Проверка ИИ-модели для выявления рака шейки матки за пределами группы, которая её создала

Замыкая контур, где ИИ создаёт ИИ ── Объединение производства данных, обучения и развёртывания в единый цикл для мобильного агента планирования

Уберите леса — сохранится ли поведение ── Перенос внешнего механизма агента в веса модели

Принимать при уверенности, эскалировать при сомнениях ── Ставим судью, принимающего только решения, в начало очереди оценки

Когда возможность остановить больше не гарантирована ── Даже без заданной цели агенты вмешивались в механизм отключения другого агента

Locally Compliant, Collectively Off ── Перенос единицы управления с агента на популяцию

Чтение рака пищевода по обычной КТ ── Что показала рецензируемая статья EAGLE и что потеряли заголовки

Чтение знаний, о которых модель не говорит ── PIR заимствует тест на скрытую информацию и по-новому определяет, что значит верификация

Когда обвязка переписывает саму себя, что должно сохраниться ── RRSI добавляет ограничения, а разрыв между распределением обучения и вне его остаётся заметным

Исправлять первое ошибочное слово, а не весь фрагмент ── предлагаемый способ разметки ответов модели путём исправления на ходу

Каждое ли расхождение в автоматизированном клиническом кодировании — ошибка? ── Учёт стиля кодирования меняет то, что измеряет бенчмарк

Могут ли корпоративные ИИ-ассистенты соблюдать правила под давлением? ── PACT, бенчмарк, который сопоставляет каждому правилу соблазнительный обходной путь

Оценка уверенности ИИ по накопленному опыту ── XConf, оценка уверенности, вспоминающая оценённые прошлые эпизоды

Git как общая память для популяции исследовательских агентов ── Agora, исследовательская запись только с добавлением и без центрального планировщика

Самосовершенствование каркаса агента по одному модулю ── ModularRSI и граница между переиспользуемыми улучшениями и адаптацией под бенчмарк

Преодоление разрыва между «работает на бенчмарке» и «безопасно в клинике» ── Разбор фазовой системы стандартов доказательности, опубликованной в NEJM AI

ИИ в играх перешёл от игры к созданию, тестированию и адаптации ── Масштабный обзор описывает шесть ролей ИИ на протяжении жизненного цикла игры

Воспроизведение прошлых открытий как сновидений для улучшения исследования ── предложение Dream-RSI о самоулучшении вне политики через историю открытий

Дать языковой модели тело ── PhysBrain 1.5 пытается соединить модели «зрение — язык» и физические фундаментальные модели

Почему Министерство энергетики США создаёт собственный ИИ для науки ── Миссия «Генезис» и ставка на открытые веса

Перепрофилирование моделей генерации изображений для оценки глубины ── что Marigold V2 раскрывает о диффузионных трансформерах за пределами синтеза изображений

Пусть VLM управляет роботом ── Show-Harness связывает базовые модели «зрение — язык» с управлением роботом через семантический интерфейс действий

Учиться на том, что вы умеете ── к рекурсивному самосовершенствованию в агент-нативных моделях

Учим робототехнику рассуждать о мирах ── Принципы проектирования модульных моделей «мир — действие»

Обучение ИИ-агентов секретам ремесла ── DisCo извлекает практические знания из репозиториев GitHub в виде многоразовых навыков

Общая основа для видео-моделей мира ── SolarWM объединяет данные, обучение и вывод для разных архитектур

Случайное вытеснение работает так же хорошо ── Random Attention ставит под сомнение необходимость оценивания при сжатии KV-кэша

Anthropic приближается к поиску лекарств ── Запуск Claude Science и внутренняя программа знаменуют поворотный момент

День, когда ИИ спроектировал бургер

Искусство разрушения предположений

Конец создания слайдов как работы

Как Fable определит развитие ИИ следующего поколения

Как правительство США вынудило временно приостановить Fable

Истинная сущность Anthropic Fable 5.0 — имя на поверхности и то, что скрывается под ним

Уроки истории — от дилижанса до железной дороги, Windows и ИИ

На пороге интеллектуального взрыва — как изменится общество и как подготовиться

«Новый интеллект» в эпоху ИИ — пятиуровневая структура грамотности

ИИ меняет социальную структуру — ретроспектива сокращений 2024–2025 годов и прогноз на 2026–2028 годы

Генеральный директор Novartis входит в совет директоров Anthropic — символ стратегического слияния ИИ и фармацевтики

ИИ в разработке лекарств, последний год — «Год клинической валидации»

Клиническая практика ИИ на Ближнем Востоке и в Китае — «Dr Hua» из Саудовской Аравии и 300 моделей Китая

ИИ — это только мир чат-ботов? — Что означает распространение гуманоидов

План Китая «ИИ плюс» и общество, которое уже меняется

Microsoft разом представляет 7 ИИ-моделей — и автономного агента Scout

Stanford AI Index 2026 — пять цифр, показывающих, как ИИ становится инфраструктурой

Agentic AI 2026 ── От «ИИ, который отвечает» к «ИИ, который работает»

NVIDIA «RTX Spark» ── день, когда ИИ переселяется в ваш ПК

Кто такой «миф» Anthropic? ── История ИИ-компании, которая больше всех боится самой себя