Денис Аветисян

Когда интеллект мешает: Почему умные агенты не всегда работают в команде

от

В ходе исследования, охватившего 20 различных начальных условий и 500 раундов взаимодействия, наблюдалась отчетливая U-образная зависимость эффективности агентов, следующих определенной стратегии, в системах L5 и L4, в то время как агенты, придерживающиеся противоположной стратегии, демонстрировали слабую обратную U-образную зависимость, что указывает на существенные различия в эффективности различных поведенческих моделей.

Новое исследование показывает, что повышение интеллекта в многоагентных системах может приводить к ухудшению коллективных результатов, если не учитывать доступные ресурсы.

В поисках оптимального дерева: новые горизонты GPU-вычислений

от

Глубина поиска в ширину (BFS) и глубина поиска в глубину с ограничениями связности (GConn RST) сравниваются, демонстрируя зависимость между этими двумя подходами к исследованию пространства состояний.

Исследование показывает, что алгоритмы, основанные на эйлеровых турах, превосходят традиционный обход в ширину при построении корневых остовных деревьев на графических процессорах.

Искусство описания: как нейросети учатся видеть детали

от

Модель RubiCap демонстрирует превосходную эффективность генерации текста, превосходя по качеству как модели аналогичного размера, так и более крупные, при строгом ограничении количества слов, что подтверждается результатами, полученными на наборах данных PixMoCap и DenseFusion и указывает на то, что использование рубрик в обучении с подкреплением способствует созданию более релевантных и полных описаний.

Новый подход к генерации детальных описаний изображений позволяет нейросетям создавать более точные и лаконичные тексты, преодолевая ограничения традиционных методов.

Раскрывая секреты генов: новый подход к предсказанию связывания факторов транскрипции

от

В работе, предложенной Бай и коллегами, временные свёрточные сети [latex]TCN[/latex] выступают в качестве эффективного инструмента для обработки последовательностей данных, демонстрируя свою применимость в задачах, требующих анализа временных зависимостей.

Исследователи разработали инновационную систему на основе глубокого обучения для более точного определения участков ДНК, с которыми взаимодействуют факторы транскрипции, что позволяет лучше понять регуляцию генов.

Григорианский хорал в цифре: новый корпус и инструменты для исследований

от

Данная схема данных PyCantus, упрощенная до атрибутов

Представлен CantusCorpus v1.0 — обширный, стандартизированный набор данных григорианских песнопений, открывающий новые возможности для цифровой и вычислительной музыкологии.

Связи, которые мы создаём: оценка творческих способностей ИИ

от

В процессе поиска ответов на вопросы, модель, подобно исследователю, выстраивает цепочку рассуждений в графе знаний, неявно кодируя логику в своих параметрах, однако нахождение чётких и различимых путей доказательств представляет собой сложную задачу.

Новое исследование представляет способ оценки способности больших языковых моделей к ассоциативному мышлению и созданию неожиданных, но осмысленных связей между понятиями.

Реалистичные изображения в реальном времени: новый подход к улучшению графики

от

Гиперреалистичное изображение, полученное посредством HyPER-GAN (представлено справа), демонстрирует значительное улучшение качества синтезированного изображения, исходным материалом для которого послужил кадр из игры Resident Evil Requiem (слева).

Исследователи представили HyPER-GAN — эффективный метод преобразования изображений, позволяющий значительно улучшить качество синтетической графики с минимальной задержкой.

Юридический Прогноз: Как Искусственный Интеллект Раскрывает Причинно-Следственные Связи

от

При сравнении стратегий выбора ребер для обучения больших языковых моделей установлено, что подход, основанный на осмысленных связях, демонстрирует более высокую точность по сравнению со случайным выбором, особенно при ограниченном объеме обучающих данных.

Новый подход объединяет возможности больших языковых моделей с методами причинно-следственного вывода для повышения точности и надежности предсказания судебных решений.

Белые карлики под магнитным взглядом: новый подход к оценке полей

от

Белые карлики с подтвержденными магнитными полями преимущественно концентрируются в пределах первого кластера на UMAP-проекции данных, что указывает на связь между магнитными характеристиками и структурой многомерного пространства параметров этих звезд.

Ученые разработали метод машинного обучения, позволяющий более точно определять силу магнитных полей у белых карликов и выявлять объекты с аномально высокими значениями.

Бесконечные Трансформеры: Цена Алгоритмического Обучения

от

Обучение моделей на задачах размера T₀ с достижением точности δ требует P₀(δ) примеров данных, после чего дообучение на более крупных задачах (T > T₀) позволяет сохранить точность δ, используя лишь PP дополнительных примеров, при этом для задач индукции и сортировки количество PP растёт логарифмически, что указывает на успешное усвоение алгоритма, тогда как для задач поиска кратчайшего пути и минимального разреза как глубокие, так и стандартные архитектуры демонстрируют сверхлинейный рост PP.

Новое исследование раскрывает теоретические границы сложности обучения алгоритмов нейронными сетями-трансформерами, показывая, как оценить их возможности с помощью методов ядра.