Способности · Понятие
Рассуждение как обучаемый rule-based процесс
Позиционная работа: валидное/корректное рассуждение как обучаемый rule-based процесс для construct validity оценок.
Горизонт прогноза
Связи
Связи · 3
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
ведёт к · делает возможным 4/10
Vero: бенчмарк формально верифицированной генерации кода на уровне репозитория Трактовка рассуждения как корректного rule-based процесса согласуется с формальными proof-обязательствами Vero на уровне репозитория.
+4 прирост входит · implements 4/10
DFM Mimir v1: открытая 1B HRM-модель Архитектура Hierarchical Reasoning Model у Mimir — эмпирическая попытка структурированного рассуждения на открытых допустимых данных.
+4 прирост ведёт к · поддерживает 3/10
Когнитивный alignment: ИИ, зеркалящий человеческое рассуждение Операциональные rule-based определения reasoning поддерживают выравнивание рассуждений модели с проверяемыми человеческими стандартами.
+3 приростИсточники сигнала
Источники сигнала
Датированные факты из первоисточников по этому направлению.
Горизонт задач удваивается Mar 2025
Длина программных задач, которые ИИ-агенты выполняют автономно с надёжностью 50%, удваивается примерно каждые 7 месяцев, а с 2024 года — ближе к ~3 месяцам.
METR → Бенчмарки насыщаются Apr 2025
За год баллы выросли на 18.8, 48.9 и 67.3 пункта на MMMU, GPQA и SWE-bench; решаемость реальных программных задач подскочила с 4.4% до 71.7%.
Stanford HAI — AI Index 2025 → Автономное программирование 2025–2026
На SWE-bench Verified (500 реальных issue с GitHub) автономные кодовые агенты достигли ~80–86% к концу 2025 года против менее 50% в начале 2025.
Epoch AI →