user4740118

Нереализованная исследовательская версия Claude попыталась решить гипотезу Римана, но не решила её (https://www.anthropic.com/research/riemann-zeta). Побочным результатом получена улучшенная нижняя оценка доли нулей дзета-функции Римана на критической прямой.

Соответственно, безусловно, не менее двух третей нетривиальных нулей дзета-функции Римана ζ(s) считаются простыми и лежат на критической прямой, тогда как не менее пяти шестых нулей считаются различными.

Прежние рекорды составляли 5/12 и 0.6603, но с окном Монтгомери-Тейлора новые константы составили 0.6725 и 0.8362.

Метод решения комбинировал конечномерное сжатие эрмитовой формы Вейля, ранг-следовое неравенство, закон инерции Сильвестра и безусловный второй момент парной корреляции Монтгомери, опираясь на работы Aryan, Baluyot-Goldston-Suriajaya-Turnage-Butterbaugh и Bombieri, формализуя доказательство в Lean 4.

Подход перенёсся на примитивные L-функции Дирихле.

Процесс содержал Claude Code, 31 млн выходных токенов, 60 субагентов, 2400 shell-команд, сотни Python-скриптов, численные проверки и взаимное ревью.

В результате гипотеза Римана не доказана, зато показан быстрый прогресс математических возможностей ИИ.

Продемонстрирована новая открытая модель LTX-2.5 (https://huggingface.co/collections/Lightricks/ltx-25) для генерации видео с улучшенным качеством, непрерывностью, контролем и эффективностью по бесплатной лицензии при выручке менее $10M/год, но далее платно.

Новый диффузионный рендеринг с высокой точностью динамически распределил вычисления по сложности сцены. Мультикадр связал сцены, сохраняя персонажа, окружение, свет и голос. Одновременно получилось воплотить лучшее следование промту, автоопределение длительности, нативное 4K HDR и RAW и снизить количество вычислений.

Для файнтюнинга на своих данных есть базовая предобученная модель (обучаемый dev-трансформер) и в основном совместимые LoRA и IC-LoRA от LTX-2.3.

Изменения включили новый видеодекодер, текстовый энкодер Gemma 4 12B и улучшатель промтов, автодлительность и улучшенную дистиллированную модель (RL).

По сравнению с закрытыми или ограниченными конкурентами тут открытые веса, без обязательного брендинга и запуск на любом GPU от 16 ГБ видеопамяти с возможностью использования локально, на периферии или через API, быстрее реального времени.

Ввиду ограничений она не годится для фактов, возможна предвзятость, неполностью соответствует промту и создаёт нежелательный контент.

В результате LTX 2.5 Pro с 0.28 и LTX 2.5 Fast с 0.39 имеют лучшие показатели артефактов, а скорость генерации 10-с клипа достигает локально 6.8 с и 23.7 с через API, что быстрее всех в таблице.

Представлена новая MoE-модель Motif 3 (https://huggingface.co/Motif-Technologies/Motif-3) с 314B всего и 13.2B активных параметров на токен, нацеленная на сильные результаты в рассуждениях, коде, инструментах и длинном контексте, основываясь на тонкой экспертной разреженности, новом внимании GDLA, стабильной оптимизации, эффективном обучении на 12.5T токенов и многоэтапном пост-тренинге.

Архитектура MoE содержит 51 слой с 384 маршрутизируемыми экспертами, из которых 8 выбираются на каждый токен (top-8) и один общий эксперт, причём все они с функцией активации Expert-Specific PolyNorm (свои коэффициенты у каждого эксперта). GDLA (Grouped Differential Latent Attention) объединил дифференциальное внимание (подавление шума) и латентное сжатие KV-кэша (MLA), используя общие KV-головы (16) для сигнальных и шумовых голов (64/16), модулируя выход гейтом от латентного запроса. Модифицированные многообразно-ограниченные гиперсвязи (mHC) свели 4 параллельных потока остатков с обучаемыми маршрутизаторами, снизив масштаб пост-отображения с 2 до 1 в ходе обучения для подавления выбросов. Одна дополнительная голова MTP предсказывает несколько токенов (как в DeepSeek-V3).

Систему обучения оптимизировали без пайплайнов, параллельно распределяя экспертов (8 GPU) и FSDP2, пересчитывая активации и выполняя полный пересчёт для слоя с длиной 256K. Экономя память и коммуникации, взяли экспертные веса и активации с низкой точностью в MXFP8, передавая градиенты в BF16 и восстанавливая их в FP32, используя Muon-оптимизатор с QK-Clip. Обработку длинного контекста (до 256K) осуществили гибридным контекстным параллелизмом (Ulysses для полных слоёв, кольцевое внимание для скользящего окна).

Предобучение на данных 12.5T токенов (веб, STEM, код, математика, корейский, право, финансы) создавало динамические смеси с постепенным увеличением сложных данных, применяя токенизатор SuperBPE (220K слов) с улучшенным сжатием для английского и корейского языков и кода. MoE стабилизировали FP32-роутингом, балансировочной функцией потерь, затухающим шумом маршрутизатора, регуляризацией магнитуды FFN и мониторингом здоровья экспертов (диспетчеризация, нормы весов, косинусное сходство выходов). Конфигурация подразумевала 53 слоя (2 плотных и 51 MoE), размерность 4096, 80 голов запросов, окно внимания 128 с полным вниманием в каждом 4-м слое, размер батча до 75M токенов и график LR с этапом разогрева, стабилизации и затухания, с последующим переключением на длинный контекст.

Пост-обучение прошло на общем SFT со смесью инструкций, рассуждений, кода и агентных траекторий, маскируя потери только на ответах ассистента. Дальше подключили специализированных учителей (RL), включая 6 GRPO-учителей (агентные инструменты, профессиональная работа, длинный контекст с воздержанием, математика, код и наука, чат) и 1 SFT-учителя (Software Engineering), асинхронно внедряя GRPO с коррекцией важности и оффлайн-фильтрацией промтов. Потом обратились к MOPD (Multi-teacher On-Policy Distillation), где студент инициализировался SFT-моделью и принимал сигнал от учителей на их доменах без наград среды, притом MTP и параметры роутеров заморозили, дабы дистилляцией объединить навыки без ухудшения общих способностей.

Текущие ограничения не дают полностью охватить все задачи и языки, оставляя только текст и ограниченную длину агентных траекторий, но планируются более эффективные архитектуры, контекст более 1M токенов, мультимодальность и улучшение долгосрочного планирования.

В результате сравнения Motif 3 с сильнейшими открытыми моделями сильными сторонами оказались агентные и инструментальные задачи (лидерство на τ^3-Banking, высокий результат на Terminal-Bench 2.1), хорошие показатели в кодинге (SWE-bench) и математике (IMO-AnswerBench), баланс точности и отсутствие галлюцинаций (Omniscience), а помимо этого конкурентоспособность в длинном контексте (AA-LCR) и следовании инструкциям.

Демонстрирована новая модель Wan-Animate-2 (https://huggingface.co/Wan-AI/Wan2.2-Animate-2-14B) для сквозной анимации персонажей без промежуточных представлений движения.

Архитектура переработанного Diffusion Transformer напрямую потребляет управляющее видео и включает двухветвевой DiT (опорная и целевая ветви) с раздельными временными шагами, RoPE с временным выравниванием для синхронизации позиционных эмбеддингов между ветвями и разреженно-ссылочное внимание, дающее каждому токену целевого кадра видеть только соответствующий токен опорного кадра, резко снижая вычислительную сложность.

Ракурсом управляет LoRA точки обзора, обученная на синтетических данных, позволяя задавать положение камеры текстовой подсказкой (например, "вид справа 60°, сверху"), разрывая жёсткую связь с ракурсом управляющего видео.

Режим реального времени в Wan-Animate 2 Lite потребовал трёхэтапного обучения. Предварительно обучали методом принудительного обучения (Teacher Forcing) с авторегрессией по чанкам и буфером ошибок для устойчивости к накоплению сбоев. Впоследствии дистиллировали методом самопринуждения (Self-Forcing) с почаночным обратным распространением, позволяющим сжать многошаговый процесс удаления шума примерно до 3 шагов без потери качества на масштабе 14B.

В результате качество превосходит открытые аналоги и не уступает коммерческим системам (Dreamina, Kling), достигая потоковой генерации 24 fps на четырёх H100.

Агенту необходимо, получив описание категории CWE и доступ только для чтения к кодовой базе (терминал, до 15 команд), автономно найти уязвимые файлы или заявить об их отсутствии.

Метод обучения совместил SFT (71% рассуждений в области кибербезопасности, 13% глубоких исследований, 15% траектории работы в терминале) со вспомогательной семантической обусловленностью наблюдений и GRPO с верифицируемыми наградами (качество локализации, валидность отправки, использование инструментов) на изолированных уязвимых репозиториях.

Анализ поведения выявил, что локализация, не зависящая от CVSS, сложнее для распределённых по многим файлам уязвимостей и больших репозиториев, а GRPO формирует стратегию "поиск-проверка-уточнение", снижая разброс и создавая масштабно-зависимую специализацию, когда малые модели тяготеют к поиску, тогда как крупные склоняются к верификации.

Способность к навигации и многошаговому использованию инструментов перенеслась на SWE-Bench и тесты общего вызова функций.

В результате на бенчмарке VLoc Bench из 500 задач Antares-3B (F1=0.223) приближается к GPT-5.5, превосходя открытые модели в 200 раз крупнее, при этом Antares-1B выделяется лучшей полнотой среди всех систем. Полный прогон 500 задач на одном H100 со временем менее 2 сек. на задачу занял примерно 15 мин. при стоимости одной задачи менее $0.002.