Google DeepMind zaprezentowało Genie 4, nową generację modelu świata do symulacji w czasie rzeczywistym. Model generuje interaktywne, realistyczne środowiska na bieżąco, co ma znaczenie dla treningu agentów i robotyki, bo pozwala uczyć się w syntetycznych światach bez kosztownego zbierania danych ze świata rzeczywistego. https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Anthropic złożyło dokumenty S-1 przed planowanym IPO wycenianym na 2 biliony dolarów, ujawniając skalę wzrostu przychodów, udział partnerów cloud w sprzedaży, wysoką marżę operacyjną i duże rezerwy gotówkowe. To pierwszy pełny wgląd w finanse firmy przed wejściem na giełdę, ważny dla oceny realnej pozycji Anthropic wobec konkurencji. https://latent.space/p/ainews-anthropic-s1/
Baidu opublikowało Unlimited-OCR-2, model OCR wykorzystujący Sparse Reference Sliding Window Attention do kompresji interakcji tekst-obraz z bardzo długich sekwencji do stałego zestawu referencji, co ma umożliwić parsowanie dokumentów bez praktycznego limitu długości. https://www.reddit.com/r/LocalLLaMA/comments/1xgnbtq/baiduunlimitedocr2_hugging_face/
Hy-Nomas to model świata wideo z 8-miliardowym rdzeniem dyfuzyjnym, który pozwala na dowolne instrukcje tekstowe i ciągłą kontrolę kamery w wielu kolejnych turach interakcji, zachowując historię i konsekwencje wcześniejszych akcji. https://huggingface.co/papers/2610.36729
ThinkWorld proponuje uczenie modeli Vision-Language-Action z wideo nagrywanego przez ludzi, a nie tylko z etykietowanych demonstracji robotów, żeby poprawić generalizację w manipulacji robotycznej mimo ograniczonej dostępności danych treningowych z robotów. https://huggingface.co/papers/2610.37666
OvisOCR3 to niewielki, 0,8-miliardowy model łączący w jednym narzędziu parsowanie dokumentów, ogólne OCR, ekstrakcję informacji kluczowych, podpisywanie wykresów i rekonstrukcję tabel rozbitych na wiele stron. https://huggingface.co/papers/2610.33066
Praca o ewolucji pamięci w czasie testowania sprawdza, czy aktualizacja pamięci modelu podczas inferencji może zastąpić kosztowne uczenie w czasie testowania (test-time training) przy zadaniach odkrywania naukowego, bez dodatkowego kosztu aktualizacji wag online. https://huggingface.co/papers/2610.32046
HABIT-Bench to benchmark oceniający, jak dobrze agenci LLM wnioskują o nawykach użytkownika na podstawie słabych, rozłożonych w czasie dowodów zbieranych w wielu rozmowach, gdzie pojedyncza obserwacja daje tylko częściowy sygnał. https://huggingface.co/papers/2610.24520