Память и RAG
Фреймворк на основе агентов для классификации кодов гармонизированной таможенной системы
Исследователи предложили фреймворк на основе агентов для точной классификации кодов гармонизированной таможенной системы (HTS). Этот фреймворк решает сложную задачу классификации товаров, которая критически важна для таможенного оформления, оценки пошлин, торговой статистики и соблюдения нормативных требований в морской логистике. Проблема заключается в том, что описания товаров часто неполные или неоднозначные, а правильная классификация требует учета иерархических структур тарифов, юридических заметок и других факторов.
Фреймворк для аудита синтетических данных
Исследователи из MIT и других ведущих университетов представили новый фреймворк для аудита синтетических данных, генерируемых с помощью ИИ. В работе, опубликованной на arXiv, авторы предлагают каузальный подход к выявлению утечек конфиденциальной информации в синтетических наборах данных.
Почему агентные циклы не решают проблему лживых агентов
В статье на tsdevstack.dev рассматривается проблема лживых агентов и почему агентные циклы не являются решением этой проблемы. Автор подчёркивает, что агентные циклы, которые предполагают многократное выполнение задач с целью улучшения результатов, не могут гарантировать достоверность информации. Это особенно важно для разработчиков ИИ-агентов, так как ложные данные могут привести к серьёзным ошибкам в работе системы.
Kster.ai: контекст для агентов через MCP
Kster.ai представляет инструмент, который структурирует контекст для ИИ-агентов, используя протокол MCP (Memory Context Protocol). Это позволяет агентам получать доступ к актуальной информации о продукте, что критически важно для их эффективной работы.
Проблема агента и принципала в ИИ-системах
В статье на blog.crawshaw.io рассматривается проблема агента и принципала (principal-agent problem) в контексте разработки ИИ-агентов. Эта проблема возникает, когда интересы агента (в данном случае, ИИ) не совпадают с интересами принципала (человека или организации, использующей ИИ). Автор подчеркивает, что в традиционных системах управление агентами основано на строгих правилах и процедурах, тогда как в ИИ-агентах требуется более гибкий подход.
The Hanging Gardens Problem: вызов для памяти ИИ-агентов
Исследователи из ar-ms.me представили концепцию The Hanging Gardens Problem (THGP), которая ставит под сомнение традиционные подходы к хранению и управлению информацией в ИИ-агентах. Проблема заключается в том, что при увеличении объема данных, которые агент должен запоминать и обрабатывать, его эффективность начинает падать из-за фрагментации и несоответствий в информации.
World-Action Models: от воображения к действию
NVIDIA представила концепцию World-Action Models (WAM), новых моделей, которые сочетают в себе возможности визуально-языковых моделей (VLM) с возможностью выполнения действий. Эти модели начинают с предобученного VLM-основания и адаптируют его для выполнения конкретных задач, что делает их перспективными для создания ИИ-агентов, способных не только понимать, но и взаимодействовать с окружающим миром.
Agentic Coding for Maps: как ИИ-агенты могут работать с картами
Команда OpenMaps.dev представила проект Agentic Coding for Maps, который исследует возможности использования ИИ-агентов для работы с геоданными. Проект демонстрирует, как агенты могут автоматически анализировать, обрабатывать и визуализировать картографические данные, что может быть полезно для создания интерактивных карт, маршрутизации и других геопространственных приложений.
ИИ-модели проходят стандартный тест Тьюринга
Исследование, опубликованное в журнале PNAS, показало, что крупные языковые модели успешно проходят стандартный трёхсторонний тест Тьюринга. В эксперименте участвовали 1600 человек, которые общались с ИИ-моделями и людьми, а затем пытались определить, кто из собеседников — человек, а кто — ИИ. Результаты показали, что участники не смогли надёжно различить ИИ и человека, что свидетельствует о высоком уровне человеко-подобности современных языковых моделей.
ИИ требует больше инженерной дисциплины
В статье на Substack автор поднимает важный вопрос о том, что развитие ИИ требует не меньшей, а большей инженерной дисциплины. Это связано с тем, что ИИ-системы становятся всё более сложными и требуют тщательного управления, тестирования и оптимизации. Автор отмечает, что в условиях быстрого развития технологий и высокой конкуренции, компании часто склонны жертвовать качеством ради скорости. Однако, как показывает практика, именно дисциплинированный подход к разработке позволяет создавать более надёжные и эффективные системы.
FastContext-1.0-4B-SFT: лёгкий суб-агент для поиска в репозиториях
Microsoft выпустила FastContext-1.0-4B-SFT — модель, предназначенную для работы в качестве суб-агента, специализирующегося на поиске и анализе информации в репозиториях. Это лёгкая модель, обученная на данных из GitHub, что делает её полезной для задач, связанных с поиском кода, документов и других данных в репозиториях.
936 эпизодов Lex Fridman в RAG с цитированием источников
Разработчик Джонни Арана создал RAG-систему, которая индексирует 936 эпизодов подкаста Lex Fridman и позволяет пользователям получать ответы с точными ссылками на источники. Проект доступен на GitHub и может быть полезен для разработчиков ИИ-агентов, работающих с большими объемами текста и нуждающихся в точном цитировании источников.
MDN MCP Server для управления памятью ИИ-агентов
MDN (Mozilla Developer Network) представила MCP (Memory Control Plane) сервер — инструмент для управления памятью и контекстом в ИИ-агентах. MCP Server позволяет агентам эффективно хранить, обновлять и извлекать информацию, что критически важно для поддержания контекста в длительных диалогах или сложных задачах.
Z.ai представила GLM-5.2 с контекстом в 1 млн токенов
Z.ai анонсировала новую версию своей модели GLM-5.2, которая поддерживает контекстное окно в 1 миллион токенов. Это существенный шаг вперёд, так как большинство современных моделей ограничены контекстом в 128–256K токенов. Новая модель доступна во всех тарифах GLM Coding Plan и интегрирована в такие платформы, как Claude Code, Cline и OpenClaw через совместимый с Anthropic API.
Как исправить амнезию ИИ систем
ИИ-агенты часто сталкиваются с проблемой «амнезии» — они не могут сохранять и использовать контекст из предыдущих взаимодействий. Это существенный барьер для создания агентов, способных вести длительные и осмысленные диалоги. В статье на Medium автор Alan Ayala подробно разбирает различные подходы к решению этой проблемы.
21 год и восемь ловушек распределённых систем
В 2025 году, через 21 год после публикации, статья о восьми ловушках распределённых систем остаётся актуальной. Эти принципы, сформулированные в 2004 году, описывают ключевые ошибки, которые допускают разработчики при проектировании распределённых систем. Для ИИ-агентов, таких как Jarv, понимание этих ловушек критически важно, так как агенты часто работают в распределённых средах, взаимодействуя с множеством сервисов и данных.
Кодинг-агент с алгебраической памятью вместо RAG
Разработчик Виталий Федотов представил проект Raidho — ИИ-агента, использующего векторно-символьное кодирование (VSA) вместо традиционного подхода RAG. VSA позволяет хранить и обрабатывать информацию в виде векторов, что может обеспечить более эффективное извлечение данных и контекстуальное понимание.
Новый метод компактификации кэша ключ-значение для ИИ-агентов
Исследователи представили новый метод компактификации кэша ключ-значение (KV), который может значительно улучшить производительность ИИ-агентов. В статье, опубликованной на arXiv, описывается подход Still, который выполняет компактификацию за один проход, что снижает накладные расходы и ускоряет работу систем с большими объёмами данных.
CLI-агент с памятью и адаптивным поведением
Команда Vektor Memory представила новую версию своего CLI-агента, который становится умнее с каждым использованием. Это достигнуто благодаря интеграции механизмов памяти и адаптивного обучения, что позволяет агенту запоминать контекст и улучшать свои ответы со временем.
Гибкий слой управления для сохранения контекста ИИ-агентов
Разработчики из команды vagnerfirminopro представили v-cos — фреймворк для управления состоянием ИИ-агентов, который позволяет сохранять контекст и логику работы между сессиями. Это особенно важно для агентов, которые выполняют сложные задачи, требующие долговременной памяти и согласованности действий.
Hillock локальная память для ИИ-агентов на SQLite и HDC
Разработчики из сообщества ИИ представили Hillock — локальную систему памяти для агентов, вдохновленную биологическими нейронами. Решение использует SQLite для хранения данных и алгоритмы HDC (Holographic Distributed Computing) для обработки информации. Это позволяет создавать более естественные и контекстуальные ответы, имитируя работу человеческого мозга.
Nudge – коллаборативный слой памяти для Claude Code и Codex CLI
Команда AttuneHQ представила Nudge – инструмент, который добавляет коллаборативный слой памяти для Claude Code и Codex CLI. Это решение позволяет сохранять и управлять контекстом взаимодействий с ИИ-агентами, что существенно улучшает их способность к долгосрочному запоминанию и контекстуальному пониманию.
Рекурсивные языковые модели и нейросимволическое управление контекстом
Исследователи предлагают новый подход к управлению контекстом в ИИ-агентах, сочетающий рекурсивные языковые модели и нейросимволические методы. Этот метод позволяет более эффективно обрабатывать и хранить информацию, что критически важно для построения сложных агентов.
Исследование: семантический дрейф в PDF-документах
Учёные из PQPDF провели масштабное исследование, проанализировав 24 824 PDF-документа с целью измерить семантический дрейф — явление, при котором один и тот же текст может иметь разные значения в зависимости от контекста и использования. Исследование показало, что даже в рамках одного документа могут существовать значительные вариации в интерпретации текста, что особенно важно для задач извлечения информации и построения RAG-систем.