Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

МОДЕЛЬ · ENTITY #11345

GPT-5.2

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

RESEARCH · 1 ИСТОЧН. · Hugging Face

AI2 публикует бенчмарк 'Old Ideas, Novel Problems' — оценщики новизны на LLM ненадёжны

AI2 опубликовал исследование и открытый бенчмарк «Old Ideas, Novel Problems», оценивающий, насколько надёжно большие языковые модели судят о новизне научных идей. С помощью автоматизированного пайплайна на отзывах ICLR 2026, двух наборов тестов (Human-Only: 154 высоко-новых / 145 низко-новых идей; Human+Generated: 154 человеческие идеи в парах с 154 сгенерированными), и шести оценщиков (GPT-5.1/5.2/5.4 и Claude Sonnet/Opus), авторы показывают сильную чувствительность решений к мелким изменениям в установке (пара слов в промпте изменила точность более чем на 50 процентных пунктов), при этом поиск по литературе и дополнительный рассудок не даёт стабильного улучшения, а две специализированные системы уступают простому промпту для Claude Opus 4.6.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья MetaPersona (arXiv:2609.38392v1) представляет MetaPersona-DB и фреймворк генерации персонажей

Пре-принт на arXiv (arXiv:2609.38392v1) описывает MetaPersona — фреймворк и набор данных MetaPersona-DB (более 11 000 аннотированных исследований с участием людей) для создания эмпирически обоснованных синтетических популяций и графов зависимостей персонажей; также представлен прототип интерфейса MetaPersona-Studio. Оценка по трём задачам (верования в дезинформацию, отношение к инструментам ИИ, перераспределение доходов) и нескольким моделям показывает разную эффективность — сильные результаты по дезинформации и отношению к ИИ, смешанные по перераспределению доходов — и указывает стоимость конструирования персонажей ниже $0,50 за задачу при использовании GPT-5.2.

7.0

MONEY · 1 ИСТОЧН. · TechCrunch AI

Пользовательское AI: распространение и траты остаются низкими, несмотря на новые ассистенты

Несмотря на недавние запускы для потребителей — Muse от Meta, Dots от OpenAI и стартапы вроде Instinct — полугодовой отчет Andreessen Horowitz (с данными PNC) показывает лишь ~2,2% платящих пользователей при среднем расходе около $31 в месяц, а данные Bank of America дают похожую картину. В материале отмечается, что высокие операционные расходы на продвинутые модели ограничивают доходность потребительских продуктов и стимулируют сдвиг компаний к корпоративным решениям.

6.5