Приоритет токенам: повышение эффективности обучения языковых моделей
Новый подход позволяет выделить наиболее важные элементы текста, значительно ускоряя процесс обучения и снижая вычислительные затраты.
Денис Аветисян
Свободная геометрия: самообучение 3D-реконструкции
Новый подход позволяет моделям 3D-реконструкции совершенствоваться на новых сценах, используя лишь согласованность между различными ракурсами.
Автономная лаборатория своими руками: машинное обучение на службе физики
![Разработана экономичная платформа Интернета вещей для проведения замкнутых оптических экспериментов, в которой пользователь задаёт целевой спектр, а управляющий стек, состоящий из ПК, Arduino и ЦАП, итеративно подбирает напряжение и преобразует его в аналоговый сигнал для светодиодного массива; полученный спектр, измеренный многоканальным датчиком, сравнивается с целевым, формируя обратную связь, при этом управление осуществляется посредством алгоритмов поиска с обходом иерархического дерева, байесовской оптимизации с использованием вероятностной суррогатной модели [latex]\mu(x)[/latex] и глубокого обучения на базе нейронной сети, обеспечивающих предсказание необходимого напряжения.](https://arxiv.org/html/2604.13139v1/Figures/Fig1.png)
Исследователи представляют доступную платформу для проведения экспериментов по физике с использованием машинного обучения и интернета вещей, открывая новые возможности для обучения и автоматизированных исследований.
Искусственный интеллект на страже научной добросовестности
![В ходе исследования, посвященного оценке качества рецензий, созданных искусственным интеллектом по сравнению с рецензиями, написанными людьми, было выявлено, что в шести из девяти критериев оценки рецензии ИИ получили более высокие баллы, особенно среди авторов, при этом статистическая значимость подтверждена на уровне [latex]\alpha = 0.01[/latex]. Опрос показал высокую оценку полезности рецензий ИИ в пилотном проекте AAAI-26 и в будущих процессах рецензирования, при этом респонденты отметили, что ИИ продемонстрировал неожиданные возможности, одновременно выявляя аспекты, которые трудно заметить человеку-рецензенту, и упуская некоторые важные моменты, что подчеркивает взаимодополняемость подходов ИИ и человека к рецензированию.](https://arxiv.org/html/2604.13940v1/x4.png)
Пилотный проект AAAI-26 показал, как искусственный интеллект может эффективно помогать в рецензировании научных статей, повышая скорость и качество оценки.
Трехмерные вычисления: новая архитектура для ускорения матричных операций
Исследователи представили инновационную 3D-интегрированную архитектуру, позволяющую выполнять широкий спектр матричных вычислений непосредственно в памяти.
Память, которая учится: Как ИИ переносит опыт между задачами программирования
Новое исследование показывает, что искусственный интеллект способен эффективно использовать накопленный опыт из различных областей программирования для повышения своей производительности.
Автоматизация GUI: Новый уровень с UI-Copilot
Исследователи представили систему UI-Copilot, значительно повышающую эффективность автоматизации графических интерфейсов за счет интеллектуальной интеграции инструментов и оптимизации стратегий.
Квантовый взгляд на рак толстой кишки: предсказание осложнений после операции
Новое исследование демонстрирует потенциал квантового машинного обучения для повышения точности прогнозирования утечек анастомоза — серьезного послеоперационного осложнения при раке толстой кишки.
Искусственный интеллект в разработке МРТ-последовательностей: новый подход
![Разработанная платформа Agent4MR, использующая возможности больших языковых моделей и специализированные знания в области магнитно-резонансной томографии (МРТ) и языка PyPulseq, способна итеративно генерировать, выполнять и оптимизировать код последовательностей МРТ, обеспечивая соответствие всем заданным ограничениям и выдавая физически корректные, готовые к использованию последовательности, с детальными отчётами о параметрах, таких как время эха [latex]TE[/latex], время повторения [latex]TR[/latex] и траектория в k-пространстве.](https://arxiv.org/html/2604.13282v1/figures/Fig1.png)
Исследователи продемонстрировали, как системы искусственного интеллекта могут автоматизировать создание и оптимизацию МРТ-последовательностей, открывая новые возможности для диагностики и исследований.
Мультимодальный поиск в условиях шума: новый вызов для ИИ
![При анализе запросов к информационным системам, агент должен определять релевантный тип данных, извлекать необходимые сведения и осуществлять многошаговое логическое заключение на основе часто противоречивых и неполных веб-источников, при этом ошибки могут возникать как на этапе извлечения данных ([latex]Retrieval Error[/latex], фиолетовый путь), так и при выборе типа данных ([latex]Modality Error[/latex], красный путь), либо непосредственно в процессе логического вывода ([latex]Reasoning Error[/latex], синий путь), даже если источник данных был выбран верно.](https://arxiv.org/html/2604.13418v1/x2.png)
Исследователи представили сложный тест, позволяющий оценить способность систем искусственного интеллекта находить и анализировать информацию из разных источников в условиях реального, зашумленного интернета.