Любопытный анализ того, как агенты помогают в работе по улучшению себя. Atria Dawn: The Dawn of Agentic Superintelligence. On the Evolving Roles of Human–AI Collaboration __Honglin Guo, Tao Gui, Kun Cai, Haodong Chen, Yicheng Chen, Guanting Dong, Qiming Ge, Yuyang Hu, Zixian Huang, Jiajie Jin, Alexander Lam, Yining Li, Jiahang Lin, Yanjiang Liu, Xinyu Lu, Haijun Lv, Zerun Ma, Junlin Shang, Qisheng Su, Guoqiang Wang, Rui Wang, Zhecan Wang, Hao Xiang, Xinchen Xie, Shuhao Xing, Xiaoyu Xing, Wanghan Xu, Xinyu Yang, Yajie Yang, Chengfeng Zhao, Haoran Zhao, Penghao Zhao, Ruojun Zhou, Yunhua Zhou, Dongsheng Zhu, Yicheng Zou, Qiye Cai, Xinmeng Che, Jiabei Chen, Jiahao Chen, Jiayi Chen, Yujia Chen, Lizhi Cui, Youheng Dai, Xin Deng, Yi Dong, Shihan Dou, Chenya Gu, Xu Guo, Ding Han, Feiyang Hao, Haotan He, Jie Hou, Binze Hu, Zijian Hu, Junhao Huang, Huicheng Jiang, Jiazhen Jiang, Shufan Jiang, Jiahao Kuang, Bowen Lai, Bo Li, Jiaqiang Li, Peng Li, Qilong Li, Zhuoqun Li, Jiaxiang Liu, Shuainan Liu, Tong Liu, Yi Liu, Zhonghang Lu, Jianwen Luo, Yanyi Luo, Huijie Lv, Ningsheng Ma, Houcheng Min, Chengjun Pan, Qiyuan Peng, Xiaoxuan Peng, Jianmin Qian, Jiantao Qiu, Wanying Ren, Huayu Sha, Jifei Shan, Zixin Shang, Bing Shao, Zhuohui Sheng, Jiayang Shi, Yang Shu, Aierpanjiang Simayi, Sirui Song, Yuxiao Song, Zhe Sun, Zhichao Sun, Wenzhe Tan, Wenhui Tian, Zhongbo Tian, Hanchen Wang, Pengbo Wang, Rui Wang, Yiding Wang, Yuhui Wang, Zhiheng Xi, Caijun Xu, Chao Xu, Yongfeng Xu, Xiaolei Yang, Zhixiong Yang, Qian Yao, Shihong Yi, Yuankai Ying, Jia Yu, Dingbo Yuan, Hao Yuan, Junjie Yuan, Bo Zhang, Caixian Zhang, Qiuyinzhe Zhang, Jiyuan Zhao, Ying Zhao, Pujun Zheng, Xiaoxue Zhong, Xiaohao Zhou, Xinyu Zhou, Guanru Zhu, Yulun Zhu, Yaojie Lu, Tao Ji, Hongyu Lin, Yutao Zhu, Pengfei Cao, Guoxiu He, Xianpei Han, Ben He, Zhicheng Dou, Kang Liu, Qi Zhang, Le Sun, Jun Zhao, Ji-Rong Wen, Xuanjing Huang, Yu-Gang Jiang, Bowen Zhou (Atria Team)__ Paper: https://arxiv.org/abs/2609.15818 Review: https://arxiviq.substack.com/p/atria-dawn-the-dawn-of-agentic-superintelligence Code: https://github.com/atria-asi/Atria-Dawn-Preview Model: https://huggingface.co/internlm/Atria-Dawn-Preview ЧТО сделали: Авторы представили Atria Dawn Preview — агентную модель-основу на базе mixture-of-experts (MoE) размером 744 миллиарда параметров. Модель обучена с помощью пайплайна верифицируемого опыта (Verifiable Experience Pipeline), который заземляет промежуточные вызовы инструментов, траектории состояний и созданные артефакты на детерминированные внешние проверки. Параллельно авторы провели эмпирическое исследование совместной исследовательской работы людей и ИИ, проанализировав 769 реальных задач разработки от 56 исследователей непосредственно в ходе создания этой модели. ПОЧЕМУ это важно: Хотя современные LLM стремительно прогрессируют на изолированных бенчмарках по программированию и рассуждениям, их реальная способность автономно вести научные разработки и осуществлять рекурсивное самосовершенствование на проде оставалась малоизученной. Работа доказывает: хотя базовые агенты способны самостоятельно предлагать большинство алгоритмических методов и реализовывать длинные цепочки задач, человек-исследователь по-прежнему выполняет незаменимую функцию когнитивной фильтрации — формулирует проблемы, диагностирует сложные системные регрессии и уводит поиск от коллективных слепых зон моделей. Для практиков: Лидерам исследований, инженерным директорам и стратегам статья даёт детальное понимание того, как передовые модели обучаются и разрабатываются с помощью других ИИ-агентов. Современные агентные системы больше не ограничиваются написанием отдельных функций или суммаризацией статей: они выступают коллегами проектного уровня, способными писать работающие операционные системы, агрегировать огромные потоки сенсорных данных и оптимизировать низкоуровневые GPU-кернелы. Однако эта автономия не вытесняет исследователей. Напротив, роль человека смещается от ручного кодинга к высокоуровневой оценке, критическому принятию решений и согласованию целей, подтверждая, что рекурсивное самосовершенствование требует строгого институционального контроля, автоматической верификации и человеческого суждения. Уулчшать тут: https://t.me/gonzo_ML_podcasts/4807