11 vijesti — 🟡 4 važno , 🟢 7 zanimljivo
DiffusionGemma je Googleov difuzijski jezični model koji operira u kontinuiranom latentnom prostoru. Istraživanje 13 autora predvođeno Neelom Nandom pokazuje da je inicijalna neprozirnost 28,6× veća od Gemme 4, ali interpretabilni token bottleneck tu razliku sužava na svega 1,1×.
SSD (Spatially Speculative Decoding) je nova metoda koja istovremeno predviđa horizontalni i vertikalni susjed piksela u autoregresivnom generiranju slika, čime postiže do 13,3× ubrzanje bez gubitka vizualne kvalitete na DPG-Bench i GenEval benchmarkima.
TimeProVe je okvir koji ubrzava zaključivanje VLM modela nad dugim videozapisima uvođenjem dvostupanjskog „predloži pa provjeri” pristupa. Smanjuje pozive skupim modelima za 75% i ukupan trošak inferencije za 93%, a na novom OpenTSUBench benchmarku nadmašuje najjačeg konkurenta za 7,3 postotna boda.
VIMPO je nova metoda pojačanog učenja za LLM rezoniranje koja iz KL-regulariziranog RL izvodi implicitnu funkciju vrijednosti — bez zasebne mreže kritičara. Nadmašuje GRPO na četiri matematička benchmarka uključujući AIME 2024 i AIME 2025, a prednosti ostaju stabilne i pod šumovitim uvjetima nagrade.
HumanScale je sustavna usporedba (Peking University i MIT, 21 autor) koja pokazuje da filtrirani egocentrični video čovjeka daje 52,5 % veći uspjeh na poznatim zadacima i čak 90 % veći uspjeh na nepoznatim zadacima manipulacije robotom u odnosu na modele predobučene isključivo na robotskim podacima.
Contagion Networks je matematički okvir koji kvantificira širenje pristranosti između LLM agenata. U eksperimentima s tri DeepSeek-chat agenta koeficijenti zaraze γ iznose 0,157–0,352, dok povećanje odbora evaluatora s 1 na 3 člana smanjuje zarazu za 72,4%.
H-RePlan je sustav koji AI agentima koji upravljaju Linuxom i Androidom istovremeno omogućuje autonomni oporavak od grešaka — lokalna strategija svake platforme odvojena je od globalnog replaniranja orkestratora, što smanjuje troškove tokena i povećava stopu uspješnosti zadataka.
Abdul Rafay Syed identificirao je zajednički smjer u aktivacijskom prostoru četiri obitelji LLM-ova — Qwen2.5, Gemma-2, Llama-3.2 i Ministral-3 — koji razdvaja poravnane od pogrešno poravnanih modela s 99,6% točnošću, a usmjereno upravljanje smanjuje curenje nesigurnog koda za 21–51 bod.
NeuroImprint je napad koji korumpira PEFT adaptere u federiranom fine-tuningu i rekonstruira 59–79% svih trening uzoraka visoke semantičke vjernosti. Testiran na BERT-u, GPT-2, Qwen2 i Llama 3.2, a napad ostaje neotkriven jer model zadržava normalnu korisnost.
