Денис Аветисян Новое исследование показывает, что целенаправленное обучение пользователей значительно повышает эффективность применения генеративных моделей искусственного интеллекта в анализе правовой информации.
Новое исследование сравнивает способность больших языковых моделей выявлять ценностные ориентации в качественных данных, полученных в ходе этнографических интервью.
Исследование предлагает четкие правила для анализа и визуализации логической структуры аргументации в китайских судебных постановлениях.
Новое расширение векторной архитектуры RISC-V позволяет значительно повысить эффективность вычислений с использованием форматов микромасштабирования.
Новый подход позволяет выявлять причинно-следственные связи в распределенных и разнородных данных, не нарушая при этом конфиденциальность пользователей.
![Наблюдается взаимосвязь между длиной контекста ([latex]L[/latex]) и количеством итераций ([latex]N[/latex]) при определении экономической эффективности подхода с использованием длинного контекста по сравнению с системой памяти: области, окрашенные в красный цвет, указывают на превосходство длинного контекста по затратам, в то время как синие области свидетельствуют о более низкой стоимости системы памяти, а граница между ними, обозначенная чёрной линией, определяет точку безубыточности.](https://arxiv.org/html/2603.04814v1/2603.04814v1/media/break_even_heatmap.png)
Новое исследование сравнивает эффективность использования больших контекстных окон и систем внешней памяти для создания устойчивых ИИ-агентов.
Новое исследование предлагает оригинальный подход к построению меры на траекториях, открывая путь к более точному описанию квантовых явлений в искривленном пространстве-времени.
Исследование представляет четыре логики, позволяющие точно описывать свойства закрытости в командных структурах и предлагающие эффективные системы доказательств.
Новый подход позволяет эффективно переносить принципы формальной логики в нейронные сети, открывая возможности для надежного анализа временных сигналов.
Новый подход NeuronMoE позволяет значительно повысить эффективность работы больших языковых моделей при добавлении новых языков, не жертвуя качеством.