Искусственный интеллект: узкое место в случайности
Современные системы ИИ все чаще ограничиваются не скоростью вычислений или пропускной способностью памяти, а скоростью генерации и доступа к случайным числам.
Современные системы ИИ все чаще ограничиваются не скоростью вычислений или пропускной способностью памяти, а скоростью генерации и доступа к случайным числам.

В статье представлена методика SHAPR, позволяющая эффективно сочетать возможности человека и ИИ в научных проектах, обеспечивая прозрачность и воспроизводимость результатов.

В статье представлен принципиально новый подход к созданию интеллектуальных метаповерхностей, использующий аналогию между их структурой и искусственными нейронными сетями для эффективной обработки сигналов в будущих системах связи.
![В архитектуре Plain Mask Transformer (PMT) извлекаются признаки на различных уровнях энкодера, а не внедряются токены запросов непосредственно в ViT-энкодер, как в подходах EoMT и VidEoMT, что позволяет эффективно обрабатывать запросы и патчи параллельно посредством сегментационной декодировки, использующей операции поэлементного сложения [latex]\oplus[/latex] и скалярного произведения [latex]\odot[/latex].](https://arxiv.org/html/2603.25398v1/x1.png)
Новая архитектура PMT позволяет добиться высокой точности и скорости сегментации, используя замороженные энкодеры Vision Transformer и легкий декодер.
Исследователи представили масштабный набор данных и бенчмарк, открывающие путь к созданию более связных и реалистичных изображений на основе множества исходных материалов.

Исследователи продемонстрировали, что компактная нейронная сеть способна эффективно заменять ресурсоемкие методы решения задач в рамках теории динамических средних полей.

Исследователи предлагают систему адаптации, позволяющую большим языковым моделям совершенствоваться на основе правок, вносимых пользователями, создавая цикл обратной связи для повышения эффективности и улучшения взаимодействия человека и ИИ.
Новая конструкция позволяет компактно и гибко управлять как классическим, так и одиночными фотонами, открывая возможности для передовых фотонных технологий.

Исследователи представили ARC-AGI-3 — сложный тест, который проверяет способность ИИ к адаптации и освоению новых навыков в интерактивной среде.

Новый метод Calibri позволяет тонко настраивать блоки Diffusion Transformers для повышения качества изображений и ускорения работы без необходимости полной переподготовки модели.