Понимание машин: как сделать большие языковые модели прозрачными
В статье представлен обзор современных подходов к созданию больших языковых моделей, которые изначально понятны и объяснимы.
Денис Аветисян
Музыка из Машины: Как Распознать Творение Искусственного Интеллекта
Новое исследование показывает, что определить, создана ли музыка человеком или нейросетью, можно не по её звучанию, а по неизбежным артефактам, возникающим в процессе её генерации.
Молниеносное переключение тока в новых материалах
![Исследование демонстрирует, что динамика переключения электрического тока существенно различается в квантово-геометрических полуметаллах, простых металлах и графене, причем квантово-геометрические полуметаллы демонстрируют более быстрое время нарастания тока и отличный от других систем отклик на последовательность импульсов электрического поля, что обусловлено спецификой их зонной структуры и механизмов переноса заряда, в то время как параметры связи с окружением, такие как [latex]T_1 = 150/t_1[/latex] и [latex]T_2 = 30/t_1[/latex], оказывают влияние на временные характеристики переключения тока во всех трех материалах.](https://arxiv.org/html/2604.15924v1/x1.png)
Исследователи обнаружили, что квантово-геометрические полуметаллы позволяют управлять током с беспрецедентной скоростью, открывая перспективы для создания сверхбыстрой электроники.
Пары электронов: Возрождение методов корреляции
В статье представлен обзор современного состояния и перспектив использования геминальных волновых функций для точного описания электронного строения сложных молекул и материалов.
Угасающая креативность: почему языковые модели теряют способность к разнообразию
Новое исследование показывает, что причина снижения вариативности в ответах больших языковых моделей кроется не в алгоритмах обучения, а в составе используемых данных.
Невидимая власть алгоритмов: Что скрывает канадский реестр ИИ
Анализ канадского федерального реестра искусственного интеллекта показывает, как он формирует ограниченное представление об ответственности алгоритмов, подчеркивая определенные аспекты ИИ-систем и замалчивая критически важные детали о бюрократических процессах.
Оживление видео: генерация речи из визуальных данных
![Предлагается иерархический подход к генерации речи из видео, формулируемый как задача предсказания маскированных токенов: речевой сигнал токенизируется с использованием RVQ кодека и разделяется на низкоуровневые и высокоуровневые компоненты, отражающие внутреннюю иерархию речевых токенов, после чего визуальные признаки из видео [latex]\mathcal{V}[/latex] разделяются на компоненты, соответствующие движению губ [latex]\bm{c}_{\text{lip}}[/latex], идентичности [latex]\bm{c}_{\text{id}}[/latex] и эмоциям [latex]\bm{c}_{\text{emo}}[/latex], и внедряются в соответствующие блоки диффузии, а предсказание токенов всех уровней осуществляется посредством голов оценки, использующих признаки [latex]\bm{h}_{t}^{\text{low}}[/latex] и [latex]\bm{h}_{t}^{\text{high}}[/latex].](https://arxiv.org/html/2604.15923v1/x1.png)
Новая модель HiCoDiT позволяет преобразовывать видеоряд в реалистичную и выразительную речь, используя иерархическое кодирование и диффузионные модели.
Искусственный интеллект в роли научного собеседника
Новая система CoLabScience позволяет ИИ активно участвовать в биомедицинских исследованиях, предлагая идеи и задавая вопросы, а не просто отвечая на запросы.
На пути к атомарной точности: Сравнение усилителей тока-напряжения
![Выходное напряжение [latex]V_{out}[/latex] рассчитывается на основе проводимости [latex]G_0[/latex], с учетом смещения [latex]V_{bias}[/latex], коэффициента усиления [latex]10^n[/latex] В/А и фундаментальной квантовой постоянной сопротивления, равной 12906 Ом, что позволяет точно определить выходные характеристики схемы.](https://arxiv.org/html/2604.16269v1/images/Fig6.png)
Новое исследование комплексно оценивает различные архитектуры усилителей, используемых для измерения квантового транспорта в наноматериалах.
В поисках новых миров: проверка искусственного интеллекта на прочность
![Система Stargazer, представленная на рисунке, функционирует посредством итеративного цикла, в котором задачи генерируются из синтезированных данных физики или извлекаются из архивных данных RV, после чего агент анализирует, предлагает решения и получает обратную связь по критериям, таким как [latex]\Delta\Delta BIC[/latex], среднеквадратичное отклонение (RMS), соответствие и количество, в то время как оценщик моделирует предложенные решения и оценивает их по этим же параметрам.](https://arxiv.org/html/2604.15664v1/x2.png)
Новая платформа Stargazer позволяет оценить, насколько хорошо ИИ-агенты справляются с анализом астрофизических данных для обнаружения экзопланет.