Денис Аветисян

Молекулярный Искусственный Интеллект: Понимание и Создание Новых Соединений

от

Для ускорения молекулярных исследований и разработок представлена модель BioMedGPT-Mol, объединяющая возможности понимания и генерации молекулярных структур, включая преобразование названий, создание описаний, предсказание свойств, прогнозирование химических реакций, редактирование молекул и оптимизацию их характеристик.

Новая модель BioMedGPT-Mol демонстрирует впечатляющие возможности в анализе и генерации молекул, открывая перспективы для ускорения разработки лекарств и материалов.

Таблицы под контролем: новая система для интеллектуального поиска и ответов

от

Роутер, выбирая между фрагментами и ограниченным SQL, а шлюз уверенности переключаясь или объединяя при слабом контексте, демонстрирует вариативность точности в зависимости от задачи и модели, где более тёмные ячейки указывают на превосходство, а выделенная строка обозначает лидера по результатам.

Исследователи представили SQuARE — систему, которая умеет находить ответы на вопросы в таблицах, выбирая оптимальный подход в зависимости от сложности данных.

Тени как искусство: создание композиций с помощью ShadowDraw

от

Новая система ShadowDraw позволяет автоматически генерировать выразительные художественные изображения, используя тени от любых объектов в качестве основы для уникальных композиций.

Искусственный интеллект под контролем: от политики к правилам

от

Конвейер обработки политик преобразует текстовые документы в исполняемые атомарные правила посредством итеративной экстракции и уточнения с использованием больших языковых моделей и детерминированных проверок, включающих извлечение клауз, фильтрацию доказательств и верификацию с помощью решателя задач $SMT$ (Satisfiability Modulo Theories).

Новая методика позволяет автоматически преобразовывать нормативные документы в исполняемые правила, обеспечивая проверяемое соответствие и управление рисками в сфере ИИ.

Предсказание успеха: Новый алгоритм для выявления перспективных студентов-программистов

от

Матрица ошибок, полученная для модели NAWOA-XGBoost, демонстрирует способность алгоритма к различению классов и позволяет оценить характер и частоту ошибок классификации.

Исследователи разработали усовершенствованный алгоритм оптимизации, позволяющий более точно прогнозировать академический потенциал студентов, изучающих информатику.

Самообучающиеся системы: новая эра адаптивности?

от

Предлагаемая платформа POLARIS структурирована в три слоя и включает в себя адаптивные контуры, обеспечивающие динамическую настройку и оптимизацию системы.

В статье рассматривается инновационный подход к созданию самоадаптирующихся систем, основанный на принципах многоагентного взаимодействия и возможностях больших языковых моделей.

Искусственный интеллект на службе образования: автоматическая проверка текстов нового поколения

от

Для классификации ответов студентов используется конвейер, основанный на моделях GPT, в котором в запрос включается тип вопроса (воспроизведение, перефразирование или перевод), примеры правильных, неполных и неправильных ответов, а также ответ самого студента; полученные от предварительно обученных (и дообученных, и не дообученных) моделей GPT текстовые классификации требуют ручной интерпретации для сопоставления с категориями «Правильно», «Неполно» или «Неправильно», а в качестве эталонных данных для оценки используются ответы, оцененные экспертами в предметной области.

Новое исследование показывает, как использование дополнительных данных из смежных областей позволяет значительно повысить точность систем автоматической проверки письменных работ.

Персональный советник: цена разумных ответов

от

Наблюдается компромисс между качеством лексики, оцениваемым метрикой METEOR, и точностью привязки к реальности (Faithfulness) на уровне системы, где кривая Парето, обозначающая оптимальные варианты, демонстрирует, что улучшение одного показателя неизбежно ведёт к ухудшению другого.

Новое исследование показывает, что персонализация в системах искусственного интеллекта для консультирования студентов может улучшить качество ответов, но при этом снижает их семантическое соответствие эталонным данным.

Шахматная задача для компьютеров: новый подход к решению N-ферменной проблемы

от

Распределения попыток алгоритма Лас-Вегаса демонстрируют, как изменение значения $n$ влияет на вероятность успешного завершения, выявляя закономерности в эффективности алгоритма при различных входных данных.

Исследователи предложили усовершенствованный алгоритм, сочетающий случайность и отсечение неперспективных состояний, для эффективного решения классической задачи о размещении ферзей на шахматной доске.