"Симбиогенез в массы! С одной стороны, прикольная библиотека для всего в одном месте. С другой стороны, интересный результат про количественную оценку ""коллаборативной эмерджентности"" — система из моделей решает задачи, неподвластные любой отдельной модели. MOCO: A One-Stop Shop for Model Collaboration Research __Shangbin Feng, Yuyang Bai, Ziyuan Yang, Yike Wang, Zhaoxuan Tan, Jiajie Yan, Zhenyu Lei, Wenxuan Ding, Weijia Shi, Haojin Wang, Zhenting Qi, Yuru Jiang, Heng Wang, Chengsong Huang, Yu Fei, Jihan Yao, Yilun Du, Luke Zettlemoyer, Yejin Choi, Yulia Tsvetkov__ Статья: https://arxiv.org/abs/2601.21257 Ревью: https://arxiviq.substack.com/p/moco-a-one-stop-shop-for-model-collaboration Код: https://github.com/BunsenFeng/model_collaboration # TL;DR ЧТО сделали: Представили MOCO — унифицированную библиотеку на Python, которая реализует и бенчмаркает 26 алгоритмов коллаборации моделей. Методы охватывают четыре уровня обмена информацией: от роутинга API и текстовых дебатов до слияния логитов и весов. Всё это проверили на 25 датасетах, включая задачи на рассуждение, написание кода и проверку безопасности. ПОЧЕМУ это важно: Индустрия уходит от гигантских монолитов к композитным системам экспертов, но исследования в этой области были фрагментированы. MOCO предлагает строгий фреймворк для сравнения методов. Ключевой результат — количественная оценка ""коллаборативной эмерджентности"": системы могут решать примерно 18.5% задач, с которыми не справилась ни одна составляющая модель по отдельности. Подробнее: https://t.me/gonzo_ML_podcasts/2359"