State of AI 2026 - часть 2
Собрал ещё несколько вещей из отчёта, кто пропустил первую часть - читаем.
1️⃣«Почти сделал» - всё ещё не сделал
На FrontierChallenge GPT-5.6 Sol набрал 87,9/100 по отдельным требованиям, но полностью завершил только 20,6% задач.
Для агентов это важная метрика: смотреть не только на качество промежуточных шагов, а на то, закрыл ли он задачу до конца.
2️⃣Робота можно учить новой задаче через видео
В одном эксперименте видеодемонстрация подняла результат с 9% до 66% без дообучения весов модели.
Если это масштабируется, часть робототехники может уйти от схемы «собрать датасет и переобучить» к более простой: показал - повторил.
3️⃣Ошибки тоже могут быть полезными данными
Слабые демонстрации помогали модели, если рядом был контекст: что делали, где ошиблись и как исправились.
Хороший датасет - это не только идеальные примеры. Иногда полезнее хранить разбор неудачных попыток.
4️⃣ИИ уже неплохо делает работу, но хуже выбирает, какую работу вообще стоит делать
В научных экспериментах агенты могли сами проводить исследования, писать код и запускать эксперименты, но качество итоговых научных идей оставалось слабым.
То есть автоматизация исполнения идёт быстрее, чем автоматизация выбора хорошей задачи.
Следующий этап ИИ - научить системы доводить работу до конца, переносить навыки и понимать, куда вообще стоит тратить вычисления.
💬 Присоединиться к обсуждению в чате
Телеграм канал Андрей Анисимов @ideasforai
В этом посте были ссылки, но мы их удалили по правилам Сетки
