Искусственный интеллект на службе геронтологии: новые горизонты анализа генов

Иерархический отбор признаков позволяет выявлять знания в онтологии генов, структурируя процесс анализа и раскрывая взаимосвязи между генами на различных уровнях организации.

Исследователи предлагают инновационный подход к извлечению знаний о старении из базы данных Gene Ontology с помощью интеллектуальных агентов и иерархического отбора признаков.

Рисуем по частям: новый подход к генерации векторных эскизов

Обученная на новом наборе данных с применением обучения с подкреплением и прямой оптимизации, система генерирует поэтапные векторные эскизы, реагируя на текстовые инструкции и изменяющееся полотно, демонстрируя способность к созданию разнообразных и структурно правдоподобных изображений, а также к локальному редактированию путём удаления и замены отдельных штрихов.

Исследователи разработали метод обучения агента создавать детализированные векторные эскизы поэтапно, что позволяет добиться более высокого качества изображения и интерактивной возможности редактирования.

Самообучающиеся системы: за пределами традиционного ИИ

В статье представлена концепция гипер-агентов — систем, способных к рекурсивному самосовершенствованию и экспоненциальному росту производительности в различных областях.

Наука в действии: Искусственный интеллект, исследующий мир

В отличие от традиционного подхода к научным исследованиям с использованием искусственного интеллекта, где эксперты курируют данные и управляют экспериментами, новая парадигма воплощенной науки рассматривает процесс открытия как замкнутый цикл взаимодействия с физическим миром, где агентный искусственный интеллект, интегрируя Восприятие - Язык - Действие - Открытие, обеспечивает автономное проведение итеративных экспериментов и извлечение научных знаний на основе эмпирических данных, полученных непосредственно от приборов.

Новый подход к научным исследованиям с использованием искусственного интеллекта предполагает создание систем, способных самостоятельно проводить эксперименты и делать открытия.

Поляризация в мире материалов: как машинное обучение раскрывает секреты ферроэлектриков

Новые методы молекулярной динамики, усиленные возможностями машинного обучения, позволяют глубже понять динамику поляризации в ферроэлектрических материалах и открывают перспективы для создания материалов с заданными свойствами.

Автопилот, вдохновлённый мозгом: новый подход к обучению машин

Вдохновлённая нейробиологией архитектура DriveVLM-RL использует дуальный подход к обучению с подкреплением, имитируя работу мозга: рутинные сцены обрабатываются быстрым путём, а критические ситуации, требующие повышенного внимания и семантического анализа, активируют более сложный путь, что позволяет системе эффективно адаптироваться к различным условиям.

Исследователи представили систему DriveVLM-RL, использующую принципы работы мозга и современные языковые модели для создания безопасных и надёжных автономных транспортных средств.

Зоркий взгляд машины: распознавание опасных ситуаций на дороге

Для получения траекторий рассуждений от DeepSeek-R1 использовался запрос, основанный на программно сгенерированных структурированных подписях, описании сцены, полученном от VLM, и вопросами с множественным выбором ответов, что позволило сформировать основу для анализа процесса мышления модели.

Новый подход к обучению моделей компьютерного зрения позволяет им более эффективно выявлять аномалии в дорожной обстановке и повышать безопасность автономного вождения.