Podczas NYC Summit firma ElevenLabs ogłosiła szereg aktualizacji, koncentrując się na precyzyjnym dostrajaniu modeli (fine-tuning), silniku „Interaction Engine” do inteligentnego zarządzania modelami oraz trwałej pamięci agentów. Wprowadzono również funkcję „Routines” do automatyzacji procesów oraz aplikację „ElevenAI” poprawiającą produktywność na spotkaniach.
Badanie obejmujące 25 modeli LLM dostrojonych do domeny biomedycznej pokazuje, że proces adaptacji dziedzinowej często pogarsza zdolność modelu do przyznania się do niewiedzy. Podczas gdy modele bazowe już wcześniej miały trudności z odpowiednim powstrzymaniem się od odpowiedzi, po dostrojeniu zdolność ta spadła w 21 z 25 przypadków.
Naukowcy przedstawili MEMENTO, specjalistyczny framework agentowy oparty na Qwen3-8B, zaprojektowany do zarządzania długim kontekstem poprzez kompresję historii w zwięzłe notatki. Wykorzystując dostrajanie na syntetycznych trajektoriach oraz uczenie ze wzmocnieniem, osiąga wysoką dokładność w zadaniach na poziomie książek, ograniczając użycie kontekstu do 20 tys. tokenów, nawet przy danych wejściowych rzędu 2,5 mln tokenów.
Amazon opublikował metodologię wykorzystania destylacji wiedzy na poziomie sekwencji (SeqKD) do dostrajania mniejszych modeli na trajektoriach wygenerowanych przez modele typu frontier. Dzięki wykorzystaniu modelu „nauczyciela” do generowania udanych trajektorii użycia narzędzi oraz filtrowaniu ich za pomocą programowego skorelowania, zespoły mogą trenować kompaktowe modele „uczniów”, które realizują złożone rozumowanie przy ułamku kosztów.
NVIDIA udostępniła zbiory danych 'Nemotron-Personas' dla Francji i Belgii, mające na celu poprawę dokładności modeli LLM w odniesieniu do regionalnych procedur, demografii i niuansów kulturowych. Aktualizacja dostarcza kompletny przepływ pracy post-treningowej – w tym generowanie danych, dostrajanie LoRA przez NVIDIA NeMo oraz ewaluację – aby pomóc deweloperom przejść od modeli ogólnych do agentów specyficznych dla danej dziedziny.
Naukowcy wprowadzili Recursive Semantic Divergence (RSD) – nienadzorowaną metrykę, która mierzy i karze niespójność w trajektoriach działania agentów LLM. Stosując RSD jako sygnał nagrody podczas dostrajania (fine-tuning), modele wykazują znacznie bardziej stabilne zachowanie i wyższe wskaźniki sukcesu w zadaniach wykorzystujących narzędzia.
AWS ogłosił ogólną dostępność (GA) funkcji „training sessions” w ramach serverless customization modeli Amazon SageMaker AI. Zespoły mogą pisać własne pętle post-treningowe — w tym niestandardowe funkcje straty i sygnały nagrody dla uczenia ze wzmocnieniem (RL) — podczas gdy SageMaker AI zajmuje się alokacją GPU, rozproszonym wykonaniem, odzyskiwaniem po awarii i przechowywaniem checkpointów. Obsługiwane techniki to SFT, DPO, RLVR, RLAIF oraz wielotaktowy RL, z wyborem LoRA lub pełnego fine-tuningu. Funkcja obsługuje modele gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B oraz Qwen3.8-27B, a rozliczenie opiera się na liczbie przetworzonych tokenów, z zatrzymaniem licznika podczas oceniania odpowiedzi przez funkcję nagrody użytkownika.
NVIDIA rozbudowała platformę Cosmos, przeznaczoną do tworzenia „modeli świata” dla fizycznej sztucznej inteligencji i robotyki, dodając nowe szablony do generowania danych, możliwości dostosowywania modeli oraz szybsze wdrażanie. Aktualizacja obejmuje pięć szablonów Cosmos Data Factory do syntetycznych i wzbogaconych danych treningowych, rozszerzone wsparcie Cosmos Framework dla dostosowywania otwartych modeli, takich jak GR00T, Alpamayo, QWEN i Pi0.5, oraz zaktualizowane mikroserwisy Cosmos 3 NIM. Firmy takie jak Porsche, ANYbotics, Ultralytics i ADNOC już wykorzystują te narzędzia do generowania danych dla pojazdów autonomicznych, wykrywania anomalii przez roboty, kontroli defektów i monitoringu bezpieczeństwa.
Badacze opisują system FlowSpec, który zamienia prawną procedurę rozmowy wierzyciela na instrukcje odczytywalne maszynowo, ograniczenia narzędzi, sygnały treningowe i testy dla agenta głosowego. Model o 9 miliardach parametrów został dostrojony na nagraniach rozmów obejmujących niemal 300 losowo wygenerowanych procedur, a następnie przetestowany na czterech procedurach, których nigdy wcześniej nie widział, w tym jednej całkowicie odrębnej rodzinie scenariuszy, aby sprawdzić, czy zachowanie zgodności się przenosi.
Google DeepMind i singapurska agencja GovTech uruchomiły model wykrywania oszustw działający bezpośrednio na urządzeniu, oparty na dostrojonym modelu Gemma, mający wykrywać oszustwa socjotechniczne, które odpowiadają za do 80% strat związanych z oszustwami w Singapurze. Model analizuje dane rozmów lokalnie, na urządzeniu, dzięki czemu działa nawet na w pełni szyfrowanych platformach komunikacyjnych. Wykorzystywany jest dwuetapowy proces: szybki wstępny klasyfikator wyłapuje podejrzane wiadomości, a model Gemma potwierdza realne zagrożenie i w czasie rzeczywistym ostrzega użytkownika.
NVIDIA opublikowała szczegółowy workflow do fine-tuningu swojego wielojęzycznego, strumieniowego modelu Nemotron 3.5 ASR na saudyjskich dialektach arabskich (nadżdyjskim i hidżaskim). Przy minimalnej kuracji danych, mieszaniu replay z danymi FLEURS, bucketingu opartym na czasie trwania oraz częściowym odmrażaniu enkodera, zmniejszono wskaźnik błędu słów (WER) dla docelowych dialektów z 55,05% do 29,96%, jednocześnie nieznacznie poprawiając wyniki dla języka angielskiego i innych dialektów arabskich. We wpisie omówiono też modyfikacje dekodowania oraz rozszerzenia diaryzacji mówców dla transkrypcji wielomówcowej.
Allen Institute for AI (Ai2) udostępnił na zasadach open source model AstaBrief 8B, zbudowany na bazie Qwen3-8B, który przekształca pytania badawcze i wyodrębnione fragmenty literatury w raporty naukowe z cytowaniami. Model jest już dostępny w platformie Asta firmy Ai2 jako tryb 'Fast mode' obok trybu 'Thinking mode' opartego na Claude, generując raporty w czasie około 51,1 sekundy średnio w porównaniu do 178,5 sekundy dla pipeline'u opartego na Claude — czyli mniej więcej 3,5 razy szybciej. Ai2 wytrenował model, stosując nadzorowane dostrajanie (SFT) na 47 tys. przykładów (wyselekcjonowanych z 90 tys. przefiltrowanych rzeczywistych zapytań badawczych), a następnie DPO na około 6 tys. par preferencji, stwierdzając, że filtrowanie danych treningowych pod kątem gęstości cytowań było pojedynczym najskuteczniejszym czynnikiem poprawiającym jakość osadzenia (grounding) odpowiedzi w źródłach.