Исследования

Последние публикации

Совместно с Future Principle. Статья принята на воркшоп FMTS конференции NeurIPS 2026.

Иллюстрация из статьи: после обучения ошибка калибровки падает на 31%, а доля вопросов с ответом растёт с 79% до 99,6%

Воркшоп FMTS · NeurIPS 2026

Do Your Own Research: Learning to Forecast by Learning to Search

Небольшая открытая модель учится сначала искать информацию, а потом делать прогноз. После обучения на 2100+ закрытых вопросах с рынков предсказаний она ищет меньше, отвечает на большее число вопросов и калибрована на 30–40% лучше. При этом она держится наравне с передовыми моделями примерно за 5% их стоимости.

Yusuf Afifi, Artur Kiulian, Anton Polishko, Mykola Khandoga, Hamudi Naanaa, Alina Krasnobrizha

Эксперименты

01 City · Сан-Франциско

Эксперимент · сентябрь 2026

01 City: сравниваем ИИ-агентов в реальной жизни

Мы дали ИИ-агентам город, чтобы увидеть, как они покажут себя в реальных ситуациях. Четыре агента получают одно и то же задание, от аренды квартиры до возврата денег, а решение остаётся за независимой стороной.

Grok Bot, Meta Muse, OpenAI Dots, Нео

Ранние работы

Написаны нашим основателем Хамуди Наанаа в Portal AI, которая опубликовала их в 2026 году. Приведены в том виде, в каком были опубликованы, с исходным составом авторов.