Денис Аветисян

Искусственный интеллект на ферроэлектриках: новый подход к сложным задачам

от

Исследователи представили инновационную аппаратную архитектуру, использующую ферроэлектрические транзисторы для ускорения решения задач комбинаторной оптимизации.

ИИ в медображении: Соревнования, полные предвзятости?

от

Искусственный интеллект, применяемый в медицинской визуализации, демонстрирует систематические смещения, обусловленные географическим происхождением данных (Северная Америка, Китай, Европа), типом решаемой задачи (сегментация) и используемым методом визуализации (магнитно-резонансная томография, МРТ).

Новое исследование выявило серьезные недостатки в данных, используемых в соревнованиях по искусственному интеллекту для анализа медицинских изображений, ставя под сомнение их объективность и практическую ценность.

Квантовый Радар на Основе Ридберговских Атомов: Новый Взгляд на Обнаружение Целей

от

Радар, основанный на атомах Ридберга, представляет собой систему, в которой взаимодействие с электромагнитными волнами формирует основу для обнаружения и определения местоположения объектов, раскрывая потенциал квантовых технологий в области сенсорики и мониторинга.

В статье представлена концепция и теоретическое обоснование квантовой радиолокационной системы, использующей в качестве приемников высокочувствительные сенсоры на основе ридберговских атомов.

Понять, а не просто видеть: новый критерий для объяснимого ИИ

от

Иерархическая структура модели PREDICT для объяснения сердечно-сосудистого риска раскрывает взаимосвязь между отдельными аннотациями (листовыми), их композицией и глобальной композицией, позволяя понять, как формируется оценка риска.

Исследователи предлагают формальный подход к оценке способности искусственного интеллекта давать действительно понятные и проверяемые объяснения своих решений.

Где «смотрят» большие языковые модели: новый взгляд на визуальное понимание

от

Существующие эталоны визуального сопоставления оказываются либо излишне упрощенными, либо подверженными манипуляциям, в то время как предложенный эталон GroundingME значительно повышает сложность задачи по четырем ключевым параметрам, что демонстрирует способность модели Qwen3-VL-30B-A3B-Instruct к более точному определению объектов.

Исследователи представили комплексный тест, выявляющий слабые места современных мультимодальных моделей в задачах сопоставления текста и изображений.