Gemini-3.1-Pro

2026-11-02

RESEARCH · 1 ИСТОЧН. · Apple Machine Learning Research

Онлайн-RL с Planning‑Grounding агентом и GiGPPO улучшает навигацию по UI в реальных iOS‑приложениях

В работе предложена онлайн‑RL система, которая обучает раздельный Planning‑агент и модель локализации UI прямо на живых iOS‑приложениях, используя LLM‑«судью» для плотных пошаговых и итоговых наград и оптимизацию через PPO с новым соседне‑обусловленным критиком GiGPPO. Тесты на UINavBench, iOSWorld и AndroidWorld показывают, что 8B RL‑агенты авторов существенно превосходят SFT и терминальные RL‑базовые методы, дают примерно 7× лучшее OOD обобщение на Android и обгоняют/соперничают с крупными VLM (опережая Gemini‑3.5‑Flash и сравниваясь с Gemini‑3.1‑Pro) на реальных iOS‑задачах.

7.0

2026-09-29

RESEARCH · 1 ИСТОЧН. · Apple Machine Learning Research

Узкое место коммуникации: раунд-трип исследование сериализации древовидных выражений в языковых моделях

В работе предложен раунд-трип протокол для оценки того, сколько древовидной структуры арифметических выражений сохраняется при сериализации в текстовые задачи и восстановлении обратно. Авторы протестировали 16 моделей попарно и показали, что канал потерь и асимметричен (смена генератора и извлекателя меняет точность до 60,4 пункта), лучшая пара достигает 92,9% корректности раунд-трипа, по крайней мере 73,6% ошибок возникают на этапе генерации, сложность определяется структурой выражения (число операторов, глубина, право-ветвление) больше, чем семейством моделей, и ≈3 600 целевых примеров дообучения существенно повышают качество открытых моделей (поднимая их выше не дообученного Gemini-3.1-Pro и давая выигрыш в случае несоответствующей доменной лексики).

7.0

2026-09-21

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Исследование «round-trip» выявляет потери и асимметрию при сериализации древовидных выражений в языковых моделях

Статья на arXiv (arXiv:2609.21509v1) предлагает «round-trip» протокол: одна модель превращает процедурно сгенерированное арифметическое выражение в задачу на слова, другая извлекает выражение обратно, а эквивалентность проверяют символически. При парном оценивании 16 моделей авторы показывают, что канал естественного языка является потерями и асимметричным (замена генерирующей и извлекающей модели меняет точность до 60,4 пункта), большинство ошибок происходит при генерации и сложность определяется структурой дерева, а ~3600 целевых примеров дообучения существенно повышают качество открытых моделей выше невдообученного Gemini-3.1-Pro.

7.0

2026-04-24

MODELS · 1 ИСТОЧН. · DeepSeek

DeepSeek выпустила открытый превью DeepSeek‑V4 с контекстом на 1 млн токенов

DeepSeek опубликовала открытое превью DeepSeek‑V4 с двумя вариантами: DeepSeek‑V4‑Pro (1,6T общих / 49B активных параметров) и DeepSeek‑V4‑Flash (284B общих / 13B активных параметров). Компания заявляет, что обе модели по умолчанию поддерживают контекст на 1 млн токенов, используют токенно‑ориентированную компрессию и DSA (DeepSeek Sparse Attention), претендуют на SOTA в агентных и рассуждательных задачах (по утверждению компании уступают только Gemini‑3.1‑Pro), доступны на chat.deepseek.com и через обновлённые API с поддержкой OpenAI ChatCompletions и Anthropic; старые модели deepseek-chat и deepseek-reasoner будут удалены 24 июля 2026 года в 15:59 UTC.

8.0