Денис Аветисян

Иллюзии Рассуждений: Как Нейросети Теряют Счет

от

Точность языковой модели при решении вычислительных задач напрямую зависит от семантической нагрузки, причём повышение сложности вычислений закономерно снижает надёжность ответов.

Новое исследование показывает, что современные языковые модели испытывают трудности даже с простыми арифметическими задачами при наличии семантических отвлекающих факторов.

Оркестр в ладони: Автоматическая аранжировка для фортепиано с помощью BERT

от

Архитектура MidiBERT, представленная на рисунке, включает в себя этапы предварительного обучения [latex] (a) [/latex], адаптации с помощью MB-NR [latex] (b) [/latex] и повторной адаптации для решения задач с обратной связью [latex] (c) [/latex], демонстрируя итеративный подход к оптимизации модели для конкретных сценариев.

Новый подход позволяет преобразовывать сложные оркестровые партитуры в фортепианные аранжировки, используя возможности современных нейросетевых моделей.

Зрение без Объяснений: Как Модели Понимают Изображения

от

Модель, обученная неявно выделять полезные представления, демонстрирует способность распознавать скрытые визуальные структуры, релевантные для решения задачи сопоставления изображений, что позволяет ей превзойти стандартные языковые модели, ограниченные текстовым выводом, и методы с явным обучением, испытывающие затруднения при нечётких логических цепочках.

Новый подход позволяет большим мультимодальным моделям развивать сложные навыки визуального мышления без необходимости в явных инструкциях или промежуточных визуальных ориентирах.

Искусственный интеллект на службе рекрутинга: Новый взгляд на отбор кандидатов

от

Предлагается модульный конвейер, состоящий из нескольких агентов, для последовательного приема данных-кандидатов, построения контекста, верификации по открытым источникам, оценки, ранжирования и валидации, что позволяет создать самоорганизующуюся систему обработки информации.

Исследование посвящено разработке и оценке системы, использующей возможности искусственного интеллекта для автоматизации и повышения эффективности первичного отбора резюме.

Функциональные Уравнения: Новый Подход с Использованием Гауссовских Процессов

от

Численное решение уравнения Вильсона - Польчински, основанное на гауссовской модели, демонстрирует относительную [latex]L^2[/latex] ошибку для каждой переменной масштаба [latex]\kappa[/latex], при этом результаты, представленные для узлов коллокации и тестовых точек, показывают сходимость решения даже при отображении лишь части из ста точек коллокации и двадцати точек тестирования.

Исследователи предлагают гибкий метод решения функциональных дифференциальных уравнений, применяя гауссовские процессы для анализа и моделирования сложных физических систем.

Видео будущего: HiStream ускоряет генерацию реалистичного видео

от

Алгоритм HiStream обеспечивает генерацию видео высокого разрешения (1080p) с авторегрессией, демонстрируя ускорение процесса шумоподавления в 76.2 раза по сравнению с двунаправленным подходом и в 2.5 раза быстрее, чем у метода самопринуждения, при этом сохраняя наивысшие оценки предпочтений, а его оптимизированная версия HiStream+ достигает ещё более впечатляющего ускорения - в 107.5 раза по сравнению с базовым методом и в 3.5 раза быстрее, чем самопринуждение.

Новая архитектура HiStream позволяет создавать высококачественные видеоролики в высоком разрешении значительно быстрее, не жертвуя визуальной достоверностью.

Химическое мышление машин: новый подход к обучению

от

Многоступенчатый процесс обучения языковой модели для химического анализа включает предварительное обучение на специализированном корпусе, содержащем как обычный текст, так и информацию о соединениях и синтезе, последующую контролируемую тонкую настройку для понимания молекулярных структур, ответов на вопросы с учетом структуры и логических цепочек рассуждений, а также дальнейшую специализацию с использованием обучения с подкреплением на основе экспертной оценки или контролируемой тонкой настройки, ориентированной на стиль рассуждений, что позволяет итеративно улучшать модель для достижения более точного химического анализа.

Исследование демонстрирует, как целенаправленное обучение на научных данных позволяет улучшить способность искусственного интеллекта решать сложные химические задачи.