Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #12298

Qwen3-14B

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

7

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

BlockLock (arXiv:2611.06977v1): воспроизводимый вывод LLM через фиксированную геометрию батча

В работе предложен BlockLock — метод, фиксирующий геометрию батча для защищённого запроса и сохраняющий побитовую воспроизводимость. Описаны два режима (BlockLock-Rows и BlockLock-Pack); на пяти плотных моделях и трёх однографических конфигурациях авторы фиксируют сохранение целевых последовательностей и Top20-логитов; BlockLock-Rows уменьшает задержку на 53.5–55.0% и увеличивает пропускную способность на 115.2–122.2% по сравнению с vLLM Batch-Invariant, при этом не требуя нестандартных ядер и сохраняя общий prefill в соответствии с заявленным контрактом для развертывания.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Noura: спецификация как супервизия значительно улучшает планирование питания LLM

arXiv:2610.40992v1 описывает Noura — систему, которая сочетает планирование LLM с исполняемыми персональными спецификациями, составленными из публичных клинических рекомендаций и индивидуальных профилей здоровья/питания, для генерации и итеративной корректировки многодневных планов питания. В оценке по недельному планированию, утверждённой диетологами и основанной на NHANES (4 993 отложенных участника), тринадцать базовых моделей проходят менее 3% полных планов при прямой генерации; Noura-SFT повышает долю успешных полных планов у Qwen3-14B с 24,0% до 72,5%, снижает нарушения правил на 97,5% без зафиксированных критических ошибок, показывает меньше нарушений у локально запущенного 14B-планировщика по сравнению с GPT-6 Luna, а также демонстрирует, что выполненные целевые примеры и самотренинг сокращают нарушения правил на 41–61% для Qwen, Phi и Llama.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Когда поиска недостаточно: устаревшие факты в памяти агента снижают точность

В статье (arXiv:2610.36308v1) на задаче FactConsolidation из MemoryAgentBench показано, что простого извлечения новейшего утверждения недостаточно для корректных ответов. Для Qwen2.5-7B-Instruct на истории в 6K точность BM25 падает с 45% до 32% при увеличении бюджета извлечённого контента с 64 до 512 токенов, хотя голд-аудит находит новейшее утверждение в каждом наборе; замена нерелевантного утверждения на устаревшее снижает точность с 100% до 44.6% (Qwen2.5) и до 87.8% (Qwen3-14B) — все 50 вредоносных парных флипов классифицированы как устаревшие, а репликация с историей 32K показывает преимущество BM25-64 над BM25-512 (69% против 58%).

7.0

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Exowatt использовала серверную кастомизацию SageMaker для дообучения моделей Qwen3 для edge и облака, опередив frontier-модели

Exowatt создала повторяемый конвейер на Amazon SageMaker AI с серверной кастомизацией моделей для задач триажа тревог на edge (Qwen3-1.7B) и анализа энергорынка в облаке (Qwen3-14B). Дообученные модели превзошли контрольные frontier-модели по точности для этих задач и показали до 49× меньшую стоимость, обеспечив путь от операционных данных до развертываемых артефактов за дни вместо месяцев.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Многоагентная AI-система (DRL + LLM) для планирования протонной терапии головы и шеи (arXiv:2610.29010v1)

В препринте на arXiv предложена составная AI-система, сочетающая сеть политики, обученную PPO, для генерации нескольких планов протонной PBS-терапии, и многоагентный LLM-слой для их конверсационного уточнения. Планирующий агент на базе Qwen3-14B (дообученный SFT и GRPO), чат-интерфейс и оценочный агент протестированы на 21 пациенте с опухолями головы и шеи (по 5 планов PPO на пациента; 50 планов выбрано для доработки по инструкциям); дообученная Qwen3-14B продемонстрировала улучшения в следовании инструкциям, извлечении информации и доменной аргументации, что привело к более клинически уместным компромиссам при доработке планов.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Behavioral Self-Rewarding (BSR) уточняет верифицируемые награды для агентов разработки ПО

Препринт arXiv:2610.12598v1 представляет Behavioral Self-Rewarding (BSR) — метод уточнения наград, который повторно использует политику для сравнения поведения при отладке между траекториями с одинаковым результатом верификатора, агрегирует попарные предпочтения в ограниченные вспомогательные награды при сохранении порядка «сдал/не сдал». Эксперименты на SWE-bench Verified и SWE-bench-Live с конфигурациями Qwen3-14B и Qwen3-32B показывают стабильное улучшение и дают дополнительную супервизию из уже собранных траекторий без новых взаимодействий со средой.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Когда интерфейсы теряют сигнал: причинная оценка восстановления в агентах на LLM и Causal Intervention Router (CIR)

Статья рассматривает восстановление в агентах на LLM как причинную задачу принятия решений, сравнивая исходы из одного и того же состояния выполнения с вмешательством и без него, чтобы отделить спасение от вреда и отследить изменение ценности восстановления во времени. Авторы предлагают Causal Intervention Router (CIR) — лёгкую политику, решающую, стоит ли вмешиваться на основе информации до восстановления; на задачах ALFWorld с Qwen3-14B CIR повысил успех с 70.33% до 73.33%, не меняя траектории с корректными наблюдениями, а контролы показывают, что эффект не сводится только к новому наблюдению из среды.

6.0