Защита от угроз: новая модель для анализа кибербезопасности

Модель Foundation-Sec-8B-Reasoning демонстрирует сопоставимую с 70-миллиардной моделью Llama-3.3-70B-Instruct производительность в задачах кибербезопасности (CTIBench-MCQA, CTIBench-RCM, CTI-Reasoning, CWE-Prediction, SecBench, SecEval) и превосходит предыдущую версию модели Foundation-Sec-8B-Instruct, а на общецелевых бенчмарках (AlpacaEval2, BBH, IFEval, GSM8K, HumanEval, MATH) достигает сравнимых результатов с Llama-3.1-8B-Instruct, существенно улучшая показатели в AlpacaEval2.

Представлена Foundation-Sec-8B-Reasoning — языковая модель с 8 миллиардами параметров, разработанная специально для решения задач в области кибербезопасности и демонстрирующая улучшенные возможности рассуждения.

Искусственный интеллект на передовой науки: проверка на прочность

Задачи, представленные в рамках FrontierScience, создаются и проверяются экспертами в области физики, химии или биологии, причём для олимпиадного набора все эксперты удостоились медалей на международных соревнованиях, что гарантирует высокий уровень сложности и научной обоснованности предлагаемых проблем.

Новое исследование оценивает способность современных систем искусственного интеллекта решать сложные научные задачи, приближенные к уровню экспертов.

Нейронные сети и квантовая химия: новый детерминированный подход

Исследователи разработали детерминированный метод оптимизации нейронных квантовых состояний, позволяющий добиться высокой точности при моделировании сильно коррелированных систем.

Речь в Эхе: Новый Корпус для Обучения и Оценки

В исследовании, основанном на анализе 1500 реплик, установлено, что реверберация статистически значимо увеличивает частоту ошибок распознавания речи, что демонстрирует преобладание точек над диагональю, отражающее ухудшение точности в условиях эха.

Представлен RIR-Mega-Speech — масштабный корпус речевых данных, записанных в различных реверберирующих помещениях, призванный улучшить устойчивость систем распознавания речи.

Динамика данных: новый взгляд на генеративные модели

Исследование посвящено построению концептуальной схемы CM-GAI, позволяющей установить взаимосвязь между признаками в заданном состоянии, опираясь на известные данные, полученные в других состояниях, что представляет собой общую задачу генерации отношений между признаками в условиях неопределенности.

В статье представлена инновационная теория, объединяющая принципы континуальной механики и оптимального транспорта для создания генеративных моделей, эффективно работающих при ограниченном объеме данных.

Искореняя галлюцинации: как обеспечить достоверность систем генерации на основе поиска

Единый конвейер атрибуции больших языковых моделей позволяет комплексно оценивать вклад различных компонентов в процесс генерации текста, обеспечивая прозрачность и контроль над работой сложных систем искусственного интеллекта.

В статье представлен обзор методов атрибуции, направленных на снижение количества недостоверной информации, выдаваемой системами генерации, использующими поиск релевантных знаний.

Личина личности: Как «персона» влияет на социальный интеллект нейросетей

Новое исследование показывает, что использование «персон» в запросах к большим языковым моделям может улучшить их способность к классификации социальных задач, но при этом снижает качество объяснений и не решает проблему предвзятости.

Код и Команда: Как Разные Разработчики Используют Автоматизацию

Исследование методологии изучения использования кодирующих агентов основными и периферийными разработчиками позволяет выявить различия в подходах к применению этих инструментов в зависимости от роли и опыта специалистов.

Новое исследование показывает, что опыт разработчиков по-прежнему определяет способы взаимодействия с инструментами автоматизации кода, даже с появлением «умных» помощников.

Ускорение сжатия изображений: новый взгляд на оптимизацию второго порядка

Наблюдаемые зависимости

Исследование показывает, как использование оптимизатора второго порядка значительно повышает эффективность и скорость обучения моделей сжатия изображений.