Искусственный интеллект пишет код: чем рискуют ученые?

Новое исследование показывает, что все больше ученых используют инструменты искусственного интеллекта для написания кода, но это может приводить к снижению контроля над качеством и надежностью программного обеспечения.

Квантовый компас: Как Европа оценивает прогресс в квантовых вычислениях

Оценка производительности квантового компьютера, использующего алгоритм Шора для поиска периода, демонстрирует зависимость от частоты ошибок двухкубитных вентилей $p_{2Q}$ и ошибок измерений $p_m$, при условии полной связности между кубитами, что позволяет прогнозировать потенциальные ограничения в реализации данного алгоритма.

Новое исследование предлагает четкий набор критериев для оценки развития квантовых компьютеров, от текущих устройств NISQ до систем с полной отказоустойчивостью.

Нейронные векторы: Управление языковыми моделями силой мысли

Управление по оси «мозг» демонстрирует значительный сдвиг в частотной области и улучшение перплексии, в то время как метод ActAdd обеспечивает еще более выраженный сдвиг, однако не оказывает существенного влияния на значение перплексии, что указывает на различные механизмы воздействия на языковую модель TinyLlama L11.

Новое исследование показывает, что активность мозга может быть использована для направления работы больших языковых моделей, обходясь без трудоемкой перенастройки.

Искусственный разум, который учится сам: Система 3 и эволюция агентов

В отличие от агентов, обучающихся последовательно и обновляющих свою модель только по внешнему расписанию, самодостаточный агент функционирует по принципу внутреннего цикла обратной связи: он самостоятельно определяет цели, действует в среде, оценивает результаты и совершенствует дальнейшие действия, обеспечивая неограниченную, самонаправленную адаптацию.

Новая архитектура ‘Система 3’ позволяет создавать ИИ-агентов, способных к непрерывному самосовершенствованию и адаптации на протяжении всего жизненного цикла.

Истина из прошлого: Как оценить надежность знаний в больших языковых моделях

Система DRAGIN, полагаясь на внутренние сигналы модели, ошибочно приписывает высокую неопределенность токену вопроса «Il», одновременно демонстрируя низкую неопределенность в отношении галлюцинированного имени режиссера, в то время как QuCo-RAG успешно выявляет эту галлюцинацию благодаря отсутствию совпадений сущностей в корпусе предварительного обучения.

Новая методика QuCo-RAG позволяет оценить уверенность языковой модели, основываясь на статистике данных, на которых она обучалась, и значительно снизить вероятность «галлюцинаций».

Искусственный интеллект и лингвист: как совместная работа меняет терминологию

В статье рассматривается необходимость гуманитарного подхода к внедрению искусственного интеллекта в процессы работы с терминологией, чтобы обеспечить не только повышение эффективности, но и соответствие человеческим ценностям.

Интуиция и ИИ: Решение сложнейшей математической задачи

Адаптивная стратегия ортогонального веерообразного распределения для $n=25$ демонстрирует эффективное формирование множества обманчивых элементов размером 40, превосходящего целевой порог в 32, при котором точки, соответствующие остаточным перестановкам, образуют структуру, а линии наибольшего возрастания (красная) и убывания (синяя) пересекаются в точке опоры (зеленая звезда), указывая на направленное расширение выделенных ячеек.

Новый подход к сотрудничеству человека и искусственного интеллекта позволил найти решение задачи Международной математической олимпиады 2025 года, демонстрируя скрытый потенциал современных моделей.