#Gemini-2.5

'TUMIX объединяет разнообразные инструментальные агенты и использует LLM-судью для ранней остановки, повышая точность на трудных задачах и снижая затраты на инференс.'

Исследователи представили MMLONGBENCH — первый комплексный бенчмарк для оценки долгоконтекстных визуально-языковых моделей, выявляющий ключевые особенности и проблемы в их работе.