Рассуждения

Perplexity запустила гибридные вычисления для агентной платформы Computer. Теперь один ИИ-агент может начинать задачу в облаке, а затем передавать её конфиденциальные части локальной модели на Mac с чипами Apple — без перезапуска и потери контекста. В облаке остаются веб-исследование, планирование и сложное рассуждение, а работа с личными файлами и данными на устройстве выполняется локально. Функция доступна корпоративным клиентам, которые подключили её через настольное приложение, а также подписчикам Pro и Max на Mac с чипами Apple под управлением macOS 15 или новее.

Когда большие языковые модели галлюцинируют, разработчики обычно считают, что им не хватает нужных знаний. Новое исследование Google Research и Technion показывает: во многих случаях факт уже записан в параметрах модели, но система не может извлечь его во время генерации. GPT-5 и Gemini-3 кодируют 95–98% проверенных фактов, однако без дополнительного рассуждения не вспоминают 26–34% из них. Дополнительные вычисления помогают восстановить 40–65% таких фактов. Это означает, что для повышения точности иногда нужны не более крупные модели или внешние базы, а способы лучше использовать уже имеющиеся знания.

Google представила AMIE (Video) — исследовательскую систему медицинского ИИ на базе Gemini и Project Astra, которая проводит синхронные видеоконсультации, распознаёт невербальные признаки, направляет пациента во время виртуального осмотра и рассуждает над диагнозом в реальном времени. В рандомизированном исследовании со 100 сценариями, 300 консультациями и участием 30 сертифицированных врачей общей практики AMIE показала результаты на уровне врачей по ключевым клиническим показателям. Система также лучше справлялась с наблюдением за физическими признаками и проведением виртуального осмотра, а актёры пациентов предпочитали видеосвязь текстовому формату.

Новая модель OpenAI Astra будет использовать технику рассуждения «рекуррентная глубина», сообщила во вторник издание The Information. Её также называют «непрозрачной рекурсией»: модель несколько раз обрабатывает один и тот же запрос в цикле, а не движется по последовательной цепочке рассуждений. Из-за этого контролировать ход её мыслей может стать сложнее. Хотя применение техники в Astra, по имеющимся данным, ограничено, эксперты по безопасности ИИ опасаются, что дальнейшее увеличение рекурсии способно почти полностью убрать рассуждения из наблюдаемого канала.

Google представила Gemini 3.8 Flash — третью бюджетную модель серии за шесть недель и следующую версию спустя три недели после Gemini 3.7 Flash. Новинка выпускается в обычной версии для рассуждений и программирования и в варианте Gemini 3.8 Flash Cyber для кибербезопасности. В бенчмарке DeepSWE v1.1 модель набрала 73,7%, почти догнав Claude Opus 5, а её стартовая цена составила $0,75 за миллион входных токенов. При этом Google по-прежнему не выпустила передовые Gemini 3.5 Pro и Gemini 4.

Можно ли научить ИИ не просто смотреть видео, а самому выводить из него законы мира? Исследователи предлагают подход, в котором ИИ собирает увиденное в понятное описание мира: какие есть объекты, в каком они состоянии, как они движутся и что будет, если на них повлиять. Для этого ИИ-агент выдвигает догадки, проверяет их в виде работающего описания, сверяет с видео и шаг за шагом исправляет ошибки, пока не получит картину, которая действительно объясняет происходящее. В этом обзоре разбираем, как ИИ превращает видео в проверяемую модель физического мира и почему такой способ помогает машине рассуждать о причинах и последствиях, а не просто узнавать знакомые картинки.

Исследователи Google Research Nitay Calderon и Gal Yona изучили, почему большие языковые модели ошибаются в фактах. Их методика профилирования знаний показывает: передовые модели обычно кодируют почти все проверяемые сведения, но не всегда могут их вспомнить. В Gemini-3-Pro и GPT-5 закодировано 95–98% фактов, однако без режима рассуждения они не извлекают 26–34% из них, а с рассуждением ошибаются в 11–12% случаев. Узким местом становится использование уже сохранённых знаний, а не их получение.

Когнитивный нейроучёный Сара Балдео провела прошлый год в рабочих поездках и создала ИИ-клона себя, чтобы оставаться рядом с 15-летним сыном. Она загрузила в чат-бот переписку с ним, документы о своих ценностях и семейных правилах, а затем предложила сыну обращаться к системе за советами. Подросток использовал её, чтобы придумать аргументы для настоящей мамы и уговорить её отпустить его в кофейню в Чикаго. Балдео призналась, что почувствовала себя манипулируемой собственными рассуждениями, но позже решила: сын нашёл неожиданное применение системе, которое она сама не закладывала.

NVIDIA представила Alpamayo 2 Super — открытую модель с 34 млрд параметров для автономного вождения. Она объединяет 32-миллиардный модуль рассуждения NVIDIA Cosmos 3 Super Reasoner и 2-миллиардный диффузионный Action Expert, дообученный с помощью обучения с подкреплением. Модель анализирует видео с нескольких камер, текстовый контекст и историю движения, а затем строит будущую траекторию собственного автомобиля. Alpamayo 2 Super также формирует цепочки причинно-следственного рассуждения, высокоуровневые действия, ответы на вопросы о сцене, привязанные к объектам, и автоматические метки для данных.

NVIDIA выпустила руководство по постобучению Cosmos 3 Edge — 4B-модели с рассуждающим модулем на базе 2B NVIDIA Nemotron для управления роботами прямо на устройстве. Модель запускается на NVIDIA Jetson Thor, формирует действия в реальном времени без обращения к серверной GPU и достигает 22,9% успешных попыток в замкнутой симуляции RoboLab. Руководство, исходный код в открытом репозитории cosmos-framework и готовая контрольная точка опубликованы для воспроизводимого запуска.

Лаборатория сверхинтеллекта Meta выпустила Muse Spark 1.1 — мультимодальную модель рассуждения для агентных задач. По сравнению с первой Muse Spark она заметно улучшила работу с инструментами и компьютером, программирование и мультимодальное понимание, а также научилась координировать мультиагентные системы. Модель уже доступна в режиме «Рассуждение» в приложении Meta ИИ и на meta.ai. Одновременно Meta открыла публичный предварительный доступ к Meta Model API, через который разработчики могут подключаться к Muse Spark 1.1.

Компания Perceptron, основанная двумя бывшими исследователями Meta, представила Isaac 0.5 — передовую визуальную модель для промышленной автоматизации. Она помогает роботам воспринимать обстановку, рассуждать и действовать на складах и фабриках: читать маркировку, анализировать расположение коробок, выбирать предметы и планировать последовательность действий. Модель выпускается как открытая: её параметры и материалы обучения доступны для проверки. Perceptron обучала Isaac 0.5 на миллионе часов видео и планирует применять её в производстве, логистике, складской работе, безопасности, сфере мобильности, медиа и развлечениях.

Можно ли сделать слабую модель заметно умнее прямо во время работы, не меняя её изнутри? Исследователи показывают, что сильная модель может собрать для слабой понятную «обвязку»: она задаёт порядок шагов, перекладывает шаткие рассуждения в чёткие правила и следит, чтобы ответ был в нужном виде. За счёт этого слабая модель начинает ошибаться реже не потому, что её доучили, а потому, что ей лучше организовали сам процесс решения. В обзоре разберём, как сильная модель помогает слабой без переобучения, за счёт чего это работает на практике и почему иногда важнее не менять саму модель, а правильно выстроить её работу.

Можно ли научить ИИ писать и рассуждать лучше, если превратить обучение в игру про шпиона? Исследователи предлагают способ, при котором модель сама получает понятный сигнал, справилась она или нет, даже в задачах без одного точного ответа — вроде пересказа текста или свободного письма. Для этого несколько ИИ-агентов делают одно и то же задание, но одному дают особую роль, а остальные потом пытаются вычислить «шпиона» по его ответу. Если его легко распознали, значит текст или ход мысли выдали слабое место, и модель может на этом учиться дальше. В этом обзоре разбираем, как игра с тайной ролью помогает ИИ улучшать тексты, рассуждения и обучение без постоянной опоры на оценку человека.

Может ли ИИ не только отвечать, но и понимать, где он ошибается, чего не знает и как ему лучше думать дальше? Авторы собрали большой обзор о том, что происходит, когда модель учат следить за собственными мыслями и шагами. Речь о способности не просто выдавать ответ, а замечать сомнения, проверять себя, выбирать более удачный путь решения и понятнее объяснять ход рассуждений. Такой подход помогает лучше понять, насколько ИИ надёжен в реальных задачах и где его уверенность может быть ложной. В этом обзоре разбираем, как ИИ учат оценивать себя, проверять свои ответы, видеть пробелы в знаниях и зачем всё это нужно для более разумных и предсказуемых систем.

Оказалось, что для ИИ иногда важнее не лучше думать, а лучше помнить. Исследователи предлагают учить модель не только решать задачу, но и самой разбираться со своей памятью: что сохранить, когда к этому вернуться и как разложить знания так, чтобы потом не потеряться. Для этого команда дала ИИ право управлять своими записями и отдельно улучшала две вещи: как устроена сама память и насколько умело модель ею пользуется. В итоге даже без изменений в самом способе рассуждать ИИ начинает заметно лучше справляться с длинными и запутанными задачами. В этом обзоре разбираем, почему умение обращаться с памятью можно развивать отдельно, как ИИ учат на его собственных удачных решениях и что это меняет для сложных задач, где ошибка может аукнуться намного позже.

В робототехнике есть старая боль: даже сильные визуальные и языковые модели неплохо рассуждают о сцене, но иногда плохо справляются с тем, чтобы действовать в физическом мире. В быту это выглядит просто: «подвинь кружку на 10 сантиметров вправо» или «лей воду над цветами на высоте 1–5 см». Для…

Мы привыкли думать, что reasoning-модели сильнее просто потому, что они пишут более длинные рассуждения и тратят больше вычислений перед ответом. В работе Reasoning Models Generate Societies of Thought авторы предлагают более любопытное объяснение: такие модели не только «думают дольше», они…

В последние пару лет обучение рассуждению LLM делают через Reinforcement Learning with Verifiable Rewards (RLVR): модель решает задачу, получает награду, которую можно строго проверить, и постепенно начинает рассуждать лучше - так не нужно размечать цепочки рассуждений, достаточно уметь…

Сегодня LLM умеют многое: объяснять сложные темы, писать код, держать длинную нить рассуждений. Но наука — это не только вызубрить ответы. Это исследовательский цикл: разобраться в литературе, придумать гипотезу, проверить ее экспериментом, а потом честно интерпретировать результаты и…

В последние пару лет большие рассуждающие модели (LRM) заметно подтянулись в олимпиадной математике. На задачах уровня AIME (Американский Инновационный Математический Экзамен) им часто хватает одного длинного «прогона» рассуждений: модель пишет цепочку мыслей, проверяет ответ, иногда делает пару…

Когда мы просим модель рассуждать, она делает это с помощью слов в случае текста или с помощью статичной сцены в случае картинки. Однако окружающий мир не является статичным: объекты могут перемещаться, а правила часто складываются только по их поведению во времени. Авторы предлагают…

Автономные агенты всегда используют вызовы других инструментов. Однако, почти все популярные агентные фреймворки делают это в строгой последовательности. Агент думает и на каждый шаг вызывает нужный инструмент, ждёт результат и смотрит, что делать дальше. Такой сценарий удобен для контроля за…

LLM-агенты умеют рассуждать, но этого недостаточно в решении реальных задач. Необходимо уметь вызывать сторонние инструменты, справляться с длинными сценариями и оставаться автономными на протяжении десятков шагов. Этому мешают строгие пайплайны с фиксированными режимами и классические подходы…

За последние два года стало ясно: многие приложения на базе больших языковых моделей лучше учатся не через дообучение весов, а через заботливую работу с контекстом. В контекст мы кладем системные инструкции, шаги рассуждений, примеры, доменные правила, факты, даже подсказки по работе с…

Большие модели рассуждений (Large Reasoning Models, LRM) сегодня не просто отвечают, а разворачивают длинные цепочки размышлений. Это помогает им решать более сложные задачи, но создает новую проблему: как понять структуру этих рассуждений и насколько они напоминают человеческое мышление.…

Большинство открытых исследований по глубокому поиску работают по простому принципу: складывать всё найденное в одно большое окно контекста. С каждым шагом туда летят новые выдержки, ссылки, заметки. В итоге полезное тонет в шуме, ранние ошибки остаются навсегда, а место для размышления…

Автоматизация интерфейсов на экране — мечта многих: открыть приложение, найти нужную кнопку, выполнить серию шагов и довести задачу до конца. Сегодня это делают агенты на базе больших языковых моделей, которые умеют видеть скриншоты, рассуждать и действовать. Но когда дело доходит до…

Задачи на рассуждение — больное место многих ИИ-систем, даже если у них хорошие фактические знания. Новая работа показывает, что усиление через RL (Reinforcement Learning, обучение с подкреплением) не просто повышает точность, а перестраивает внутреннюю логику модели: появляется иерархия от…

Большие языковые модели (LLM) уже неплохо рассуждают, но настоящая ценность появляется, когда они умеют делать что‑то за пределами генерации текста: обращаться к базам данных, вызывать API, считать, ходить в веб‑браузер. Здесь появляются трудности: у разных провайдеров разные интерфейсы,…