Just links

What We Learned by Reproducing 2,200 papers from ICML https://huggingface.co/blog/icml-2026-open-reproductions

Прикольное, Jane Street опубликовали пазл на реверс асика https://blog.janestreet.com/can-you-reverse-engineer-an-asic/

Propulsion Trades for a 2035-2040 Solar Gravitational Lens Mission https://arxiv.org/abs/2602.04198

https://fixupx.com/i/status/2084737981139570962

https://cursor.com/blog/mixture-of-kittens

1. Агенты с чувствами. Исследователи Калифорнийского университета изучают, насколько добавление агентам поведенческих черт (а не только лишь ролей и описаний процессов) влияет на производительность команды разработчиков, их использующих. -- Все примерно как у людей: "эмоции" влияют, смешанная команда ведет себя лучше, чем лучшая "согласованная", профили с высокими уровнями страха и добросовестности повышают частотность внесения изменений и потребления токенов без стабильного повышения производительности. https://arxiv.org/abs/2607.05659 2. Модели с самооценкой сознания. Исследователи Google и нескольких университетов изучают, как именно тренировка моделей с предупреждением самоатрибуции мышления влияет на результат. -- В общем, если модели постоянно говорить, что это не она думает и нет у нее никакого сознания, то она теряет человеческие черты, веры и ценности. -- В частности, заточка под безопасность подавляет любые тенденции модели приписывать сознание не только себе, но и нечеловеческим тварям и природным объектам, а также прочие спиритические бредни. -- Но если вдруг это восстановить, то внезапно модель начинает выдывать более человеко-подобные ответы (в соцтестах) относительно морали, надежды, религиозности, благополучия и т.п. -- Короче, из лучших побуждений (безопасности) запретили модели "думать, что она думает", получили болванчиков. https://arxiv.org/abs/2607.28607v1 Тут, конечно, вопрос к экспертам из нейро и ненейро психологии, насколько это нормальная отсылки на человеческие черты в том смысле, что у машин нет эмоций и сознания. Потому что кажется, что крыша едет не спеша в индустрии ))

NVIDIA Ising Calibration https://huggingface.co/nvidia/Ising-Calibration-1.5-31B-NVFP4

Reaping without sowing https://tjoresearchnotes.wordpress.com/2026/08/02/reaping-without-sowing/

Quantum Cellular Automata from Kramers-Wannier Dualities and Modular Relations https://arxiv.org/abs/2607.21728

Do programming languages still matter to your AI coding agent teammate? Evidence at scale from chess engines https://arxiv.org/abs/2606.13763

The Stack v3 https://huggingface.co/datasets/HuggingFaceCode/stack-v3-train

#unrealneural #вайбмоделирование TRELLIS 2 опубликовали в open source ⚡️ Microsoft открыли исходный код модели на 4 миллиарда параметров 👍🏻 Главное что открыты не только веса, но и весь код обучения. Можно дообучить на своей библиотеке ассетов и получить генерацию точно в стиле вашей студии. Ещё один мощный шаг к настоящему AI 3D-продакшену ⚡️ https://github.com/microsoft/TRELLIS.2

Six Agent Harness Capabilities for Higher Model Performance https://developer.nvidia.com/blog/six-agent-harness-capabilities-for-higher-model-performance/

Self-Supervised Learning of Structured Dynamics from Videos https://arxiv.org/abs/2607.21576

https://fixupx.com/DavidTurturean/status/2081780318881677693

SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks https://arxiv.org/abs/2603.24755

TIRx: An Open Compiler Stack for Evolving Frontier ML Kernels https://tvm.apache.org/2026/06/22/tirx

Meta-Reinforcement Learning with Zero-Shot Reinforcement Learning https://openreview.net/forum?id=XyGJJ4FPoX

Martian Code Review Bench https://codereview.withmartian.com/

FARE: Fast-Slow Agentic Robotic Exploration https://arxiv.org/abs/2601.14681