Денис Аветисян

Искусственный интеллект ищет лучше: Умная оптимизация запросов

от

В основе функционирования SmartSearch лежат два ключевых механизма: вознаграждение за процесс, направленное на оптимизацию поиска, и уточнение запроса, позволяющее системе адаптироваться к потребностям пользователя и повышать релевантность результатов.

Новый подход позволяет агентам поиска на базе больших языковых моделей значительно повысить эффективность и точность результатов за счет интеллектуальной доработки поисковых запросов.

Визуальные документы: как обучить ИИ понимать суть?

от

Методология VERSE анализирует данные валидационной выборки MERIT посредством визуальных энкодеров, преобразуя их в многомерные вложения, которые затем редуцируются для повышения интерпретируемости модели, при этом наложение визуальных признаков и оценок F1 обеспечивает более глубокое понимание принципов её работы.

Новый метод VERSE позволяет исследовать и улучшать способность искусственного интеллекта к анализу документов с изображениями, выявляя слабые места в обучении и предлагая стратегии для их устранения.

Генеративный ИИ: Новый импульс для решения социальных задач

от

В статье рассматривается, как современные модели генеративного искусственного интеллекта могут стать ключевым инструментом для преодоления препятствий в применении ИИ для улучшения жизни общества.

Видео будущего: новый подход к генерации длинных роликов

от

Предложенная рекуррентная гибридная модель внимания демонстрирует снижение вычислительной сложности и задержки по сравнению с моделью Wan2.1 с полным softmax вниманием при увеличении длительности видео, что подтверждается качественным и количественным анализом на примере запроса «Кошка пьет воду» и достигается за счет использования 20 блоков ReHyAt.

Исследователи представили ReHyAt — механизм рекуррентного гибридного внимания, позволяющий создавать продолжительные видео с сохранением высокого качества и значительным снижением вычислительных затрат.

Наука по запросу: проверка искусственного интеллекта на прочность

от

Система SciIF аккумулирует данные научных вопросов и ответов из различных источников, применяя четырехэтапный процесс с участием человека для создания корректно сформулированных задач, снабженных явными научными ограничениями и аудируемыми списками доказательств; в ходе оценки, создатели запросов формируют промпты для генерации ответов и оценки соблюдения каждого ограничения, а две независимые модели-судьи проверяют как корректность ответа, так и соответствие ограничениям по строгим или гибким критериям, при этом, ключевой проблемой является ситуация, когда ответ может совпадать с эталонным численно, но не соответствовать требованиям, если отсутствуют необходимые доказательства, такие как единицы измерения и простая проверка единиц.

Новый бенчмарк SciIF позволяет оценить, насколько хорошо модели искусственного интеллекта способны не просто решать научные задачи, но и демонстрировать строгое следование научным принципам и ограничениям.

Адаптивный ускоритель для научных вычислений: новый подход к точности и производительности

от

Ускоритель, управляемый памятью, призван обеспечить эффективное выполнение научных вычислений со смешанной точностью, оптимизируя производительность за счет адаптации к требованиям различных операций и минимизации ошибок, возникающих при использовании неоптимальных числовых форматов.

Представлен инновационный аппаратный ускоритель, динамически оптимизирующий точность вычислений для повышения эффективности в широком спектре научных задач.

Воспроизводимость исследований ИИ: где кроется главная проблема?

от

Исследование рассматривает воспроизведение эмпирического исследования как графовую модель, где каждое исследование состоит из одной или нескольких гипотез, проверяемых посредством экспериментов, результаты которых анализируются и интерпретируются для подтверждения или опровержения этих гипотез, при этом интерпретация выделяется как статичный элемент, в отличие от традиционно допускаемой гибкости, что позволяет упростить анализ результатов экспериментов и оценить исход исследования.

Новая работа предлагает формализовать понятие воспроизводимости в исследованиях искусственного интеллекта, чтобы сделать оценки систем автоматизации более надежными и сопоставимыми.

Облачные вычисления для науки: гибкость и масштабируемость

от

В ходе систематического анализа геномов SARS-CoV-2 в период пандемии COVID-19 была реализована передовая методика, основанная на федеративных вычислениях, объединивших ресурсы нескольких высокопроизводительных вычислительных кластеров и облачных платформ, таких как GCP и AWS.

В статье рассматриваются возможности использования гибридных и мультиоблачных архитектур для создания современной и эффективной исследовательской инфраструктуры.