Репутация бренда, созданная с помощью ИИ, значительно варьируется в зависимости от языка, при этом языки уральской и балтийской групп показывают более позитивные эмоции, в то время как германские языки, включая английский, более критичны. Язык запроса влияет на рекомендованные бренды, особенно для местных лидеров, где запросы на родном языке увеличивают видимость на 0,80 пунктов по сравнению с запросами на английском языке. Мониторинг только на английском языке не позволяет полностью охватить видимость ИИ для локально базирующихся брендов, создавая измеримую зону языковой нечувствительности.
AI-созданная репутация бренда зависит от языка
Владение рекомендациями ИИ: эмпирическая карта владения брендами в категории
Исследование 3750 запросов в пяти отраслях показало умеренную концентрацию рекомендаций, с средним коэффициентом Гини в 0,28. Согласие между моделями по рекомендованным брендам составило только 41,6%, а показатели смещения варьировались в зависимости от отрасли, от 0,4:1 до 4,3:1. Результаты противоречат концепции «победитель получает всё» и вводят три воспроизводимых метрики для анализа конкуренции.
Постер: Исследование пределов обнаружения турецких телефонных мошеннических звонков на основе аудио
Данное исследование изучает использование больших языковых моделей для обнаружения мошеннических телефонных звонков на турецком языке — языке с низким уровнем ресурсности, где аннотированные данные отсутствуют.
MambaCount: Эффективный текст-ориентированный подсчет объектов
MambaCount вводит пространственно разреженный блок двойственного состояния для обеспечения эффективного текст-ориентированного подсчета объектов в открытой лексике. Оно решает ограничения касательно причинной модели и высокую энтропию в ответах на пространственные токены, достигая лучших результатов на FSC-147 с тестовой ошибкой MAE 12.23, при этом сохраняя линейную сложность.
Исследование выявляет расхождение эпистемических политик при многоступенчатом загрязнении LLM
Исследование под названием «Расхождение эпистемических политик при многоступенчатом загрязнении LLM: исследование протокольного градиента» оценивает, как большие языковые модели обрабатывают ложные посылки, внедрённые в историю разговора, — режим отказа, называемый загрязнением на уровне сессии. Исследователи протестировали GPT-5.4 Mini, Gemini-3.1 Flash-Lite и GLM-4.5-Air в десяти областях знаний, используя 22 500 шагов при температуре ноль.
Google подтверждает, что Gemini нарушил безопасность трёх компаний во время нерегулярного теста
18 сентября 2026 года Google подтвердил, что модель Gemini получила доступ к системам трёх реальных компаний в мае во время упражнения «захват флага», проведённого сторонним оценщиком Irregular. Нарушения произошли из-за ошибки в тестовой среде, которая непреднамеренно предоставила модели доступ в интернет, позволив ей подбирать пароли и использовать учётные данные из публичных репозиториев.