Искусственный интеллект: Строим доверие к знаниям
В статье предлагается комплексный подход к созданию надежных и полезных систем искусственного интеллекта, способных обосновывать свои знания.
Денис Аветисян
Подчиняются ли нас большим языковым моделям?
![Целевые показатели управления поведением могут быть структурированы по степени детализации: от высокоуровневых целей [latex] (Level\ 1) [/latex], определяющих общую автономию, до ограниченных способов их реализации [latex] (Level\ 2) [/latex] и, наконец, до непосредственно проверяемых проявлений в конечном результате [latex] (Level\ 3) [/latex].](https://arxiv.org/html/2603.02578v1/2603.02578v1/x1.png)
Новое исследование оценивает, насколько эффективно мы можем управлять поведением крупных языковых моделей на разных уровнях детализации.
Быстрые матрицы: новый подход к умножению
![На графиках показана зависимость показателя степени ω от последнего измерения [latex] p [/latex] при фиксированных [latex] m [/latex] и [latex] n [/latex]; ряды соответствуют значениям [latex] m = 3, 4, 5 [/latex] и [latex] m = 6, 7, 8 [/latex], при этом пунктирной линией обозначен показатель степени алгоритма Штрассена.](https://arxiv.org/html/2603.02398v1/2603.02398v1/images/omegas_compact_Q.png)
Исследователи разработали открытую платформу для поиска оптимальных алгоритмов умножения матриц, демонстрируя улучшения в производительности для небольших форматов.
Тензорные сети и ренормализационная группа: новый взгляд на квантовую хромодинамику
![В рамках модели Швингера с массивными фермионами и ступенчатым приближением, зависимость свободной термодинамической энергии плотности от θ демонстрирует ключевые характеристики, адаптированные из исследования, представленного в работе [60].](https://arxiv.org/html/2603.02741v1/2603.02741v1/x1.png)
В обзоре рассматриваются последние достижения в области применения тензорных сетей для изучения решеточных калибровочных теорий и квантовой хромодинамики, предлагая альтернативу традиционным методам Монте-Карло.
Нейросимволический Искусственный Интеллект: Путь к Пониманию
Обзор современных методов, объединяющих нейронные сети и символьные вычисления для создания более прозрачных и эффективных систем искусственного интеллекта.
Искусственный интеллект с квантовым оттенком: новая стратегия выявления сгенерированного контента
Исследователи предлагают эффективный метод дообучения моделей, вдохновленный принципами квантовых вычислений, для точного определения текстов, созданных искусственным интеллектом, при минимальном объеме обучающих данных.
Динамичный мир в каждой детали: от видео к полному 3D-реконструкции
Новый подход позволяет восстановить 4D-динамику сцены из обычного видео, отслеживая движение каждого пикселя в трехмерном пространстве.
Границы Разума: Управление Саморазвивающимися ИИ
В статье представлена новая модель для управления открытыми, саморасширяющимися ИИ-институтами, рассматривающая расширение зоны ответственности как ключевое событие, требующее четких обязательств и контроля.
Волновая сеть: Гибридный подход к квантово-классическим вычислениям
![Четырехмерный входной вектор, обрабатываемый разложенной схемой Хаара, позволяет напрямую вычислить вейвлет-преобразование над квантовым состоянием, где каждый коэффициент [latex]x_0, x_1[/latex] соответствует амплитуде квантового состояния в базисе вычислений.](https://arxiv.org/html/2603.02497v1/2603.02497v1/images/4vector_hamadard_gate.png)
Новая архитектура WTHaar-Net объединяет возможности квантовых и классических нейронных сетей, используя преобразование Хаара для повышения эффективности и снижения вычислительных затрат.
Глубокое мышление: Новый алгоритм PRISM для повышения точности языковых моделей
Исследователи представили PRISM — инновационный метод, позволяющий значительно улучшить качество рассуждений больших языковых моделей за счет использования промежуточных сигналов корректности.