Самообучающиеся агенты: Новый подход к поиску решений

Предлагаемый фреймворк MR-Search, получив вопрос, сначала выполняет начальный эпизод, чередуя рассуждения и вызовы инструментов, а затем переходит в итеративный цикл саморефлексии, где предыдущие эпизоды служат опытом для уточнения последующих поисков и пересмотра ответов, обеспечивая последовательное улучшение результатов на протяжении всей работы.

Исследователи представили систему, позволяющую языковым моделям самостоятельно совершенствовать стратегии поиска, приближаясь к более эффективным решениям сложных задач.

Зрение, язык и действие: модели учатся непрерывно без сложных ухищрений

Сочетание предварительно обученных визуально-языковых моделей, обучения с подкреплением и адаптации LoRA позволяет преодолеть катастрофическое забывание и сохранить пластичность, демонстрируя, что простая последовательная настройка способна достичь неожиданно высоких результатов.

Новое исследование показывает, что простые модели, объединяющие зрение, язык и управление, способны к эффективному непрерывному обучению с подкреплением, используя стандартные методы тонкой настройки.

За гранью привычных адронов: предсказание масс экзотических частиц

Новое исследование применяет передовые методы машинного обучения для прогнозирования масс трижды-тяжелых барионов и пентакварков, открывая новые горизонты в спектроскопии адронов.

Интеллектуальное проектирование: когда системы сотрудничают

Архитектура системы MADA организует взаимодействие трех специализированных агентов - агента управления заданиями (JMA), осуществляющего запуск симуляций на HPC посредством Flux, агента геометрии (GA), генерирующего сетки через Cubit, и агента обратного проектирования (IDA), исследующего пространство вариантов, при этом обмен данными между агентами и инструментами осуществляется посредством протокола контекста модели (MCP).

Новый подход к автоматизации научных исследований на высокопроизводительных вычислительных системах использует возможности многоагентных систем для ускорения процесса открытия.

Алхимия сплавов: Искусственный интеллект на пути к новым материалам

Прогнозирование состава сплавов на основе высокоэнтропийных сплавов осуществляется посредством калиброванной модели XGBoost, обученной на 5677 экспериментальных данных и использующей 13 дескрипторов, основанных на эмпирических правилах, в то время как итеративный процесс обратного проектирования, управляемый агентом ReAct, позволяет последовательно предлагать составы, оценивать их, запрашивать прогнозы у модели и, при необходимости, делегировать оптимизацию байесовскому модулю для преодоления сложностей в процессе рассуждений.

Исследователи разработали систему, использующую возможности искусственного интеллекта для целенаправленного поиска и создания высокоэнтропийных сплавов с заданными свойствами.

Неожиданный эффект Кулона: Усиление тока в квантовых точках

Транспортный ток через треугольный тройной квантовый пункт демонстрирует зависимость от внутрисайтовского кулоновского взаимодействия [latex]U[/latex], при этом характер этой зависимости модулируется силой гибридизации между выводами и квантовым пунктом Γ.

Новое исследование показывает, что увеличение кулоновского взаимодействия может парадоксальным образом повысить транспортный ток в треугольной системе тройных квантовых точек.

Редактирование изображений по тексту: новый подход и комплексный набор данных

Исследователи представляют WeEdit — фреймворк, который значительно улучшает редактирование изображений на основе текстовых запросов, решая проблемы недостатка данных и стандартизации оценки.

Квантовая индуктивность: новый взгляд на обнаружение майорановских состояний

В исследуемой системе нанопровод-квантовый пункт наблюдается, что в топологическом режиме, характеризующемся локализацией волновой функции Майораны у концов провода и пересечениями в откликах квантансивности и квантиндуктивности при [latex]\Phi = h/4e[/latex] и [latex]3h/4e[/latex], достигается отрицательная топологическая стабильность [latex]T_s = -1[/latex], тогда как в тривиальном режиме при [latex]\mu = 0.5 \text{ meV}[/latex], [latex]\Gamma = 0.3 \text{ meV}[/latex] и [latex]V_{QD} = 0.545 \text{ meV}[/latex] наблюдается положительная стабильность [latex]T_s = +0.82[/latex] и периодические отклики квантансивности и квантиндуктивности, что позволяет дифференцировать эти режимы посредством измерения квантиндуктивности, несмотря на схожесть кривых квантансивности.

Исследователи продемонстрировали, что измерение квантовой индуктивности в сочетании с квантовой емкостью позволяет надежно идентифицировать истинные майорановские состояния в нанопроводниках, отличая их от тривиальных связанных состояний Андреева.