Денис Аветисян

Ускорение генерации текста: новый подход к спекулятивному декодированию

от

При подгонке гауссовской смеси одним гауссианом, различные целевые функции демонстрируют принципиально разное поведение: в то время как расхождение Кульбака-Лейблера стремится к покрытию всей массы распределения (α=50.2%), обратное расхождение Кульбака-Лейблера проявляет тенденцию к поиску отдельных мод (α=50.8%), а максимизация общей вариации [latex]\operatorname{TV}[/latex] обеспечивает максимальное перекрытие распределений (α=60.2%), подчеркивая, что выбор целевой функции оказывает решающее влияние на конечный результат и характеристики модели.

Исследователи предлагают новый метод оптимизации скорости работы языковых моделей, основанный на прямом контроле вероятности принятия предложений.

Квантовые связи на чипе: платформа для управления фотонами

от

Новая нанофотонная платформа позволяет эффективно взаимодействовать и запутывать квантовые излучатели, открывая путь к созданию масштабируемых квантовых устройств.

Искусственный интеллект: курс на сверхчеловеческую адаптивность

от

Представленная систематизация определений общего искусственного интеллекта (AGI) и смежных концепций демонстрирует, что ключевые подходы к созданию ИИ различаются по двум основным параметрам: источнику интеллекта - от производительности и выполнения задач к обучению и адаптивности - и сфере применения - от универсальных, неограниченных областей до задач, ориентированных на человека и экономику, выделяя кластеры адаптивных генералистов, когнитивных зеркал и экономических двигателей, при этом сверхчеловеческий адаптивный интеллект (SAI) относится к ИИ, способному к адаптации и выполнению любых значимых задач как внутри, так и за пределами человеческой сферы.

Новая статья предлагает отказаться от идеи создания универсального искусственного интеллекта, подобного человеческому, и сосредоточиться на развитии систем, способных к молниеносной адаптации к любым задачам.

Квантовый Чикаго: Реальность или Хайп?

от

Квантовый Чикаго: Реальность или Хайп? Интересно, мы строим квантовые компьютеры, чтобы решать проблемы, или просто чтобы доказать, что можем? Похоже, в Чикаго решили ответить на этот вопрос делом. Представьте себе, что вы пытаетесь поймать светлячка в банке. Это примерно то же самое, что квантовый компьютер – пытаешься контролировать поведение мельчайших частиц. Только вместо светлячка – … Читать далее

Эффективное решение квадратичных задач: PDHCG-II выходит на новый уровень

от

Новый алгоритм PDHCG-II значительно ускоряет решение крупномасштабных задач выпуклого квадратичного программирования, обеспечивая передовую производительность.

Искусственный интеллект: между экологией и благополучием человека

от

Предлагаемая схема оценки влияния искусственного интеллекта на благосостояние, адаптированная из методологии, изначально разработанной для анализа выбросов парниковых газов, классифицирует последствия по трем категориям - связанные с вычислениями, на уровне приложений и системные - при этом потенциальное повышение благосостояния отображается зелеными стрелками, а снижение - пурпурными.

Систематический анализ более 1200 исследований выявил разрозненность данных о влиянии искусственного интеллекта на устойчивое развитие и качество жизни.

Восстановление изображений стало быстрее: новый подход к динамике скрытых признаков

от

Траектории генерации, полученные с использованием модели MIGM с изменением случайной начальной точки на промежуточных этапах, демонстрируют вариативность, обусловленную случайностью при выборе токенов, в то время как непрерывная диффузия с использованием ODE-семплинга, напротив, обеспечивает воспроизводимость траекторий из одной и той же начальной точки, исключая случайность на промежуточных шагах.

Исследователи разработали метод, значительно ускоряющий процесс генерации изображений по маске, сохраняя при этом высокое качество результата.

Автоматический Доказатель Теорем: Новый Подход

от

Предлагается агент для доказательства теорем, функционирующий посредством итеративного уточнения доказательств: агент-предлагатель генерирует код Lean, который проверяется компилятором, а затем оценивается агентом-рецензентом для предотвращения ошибок; в случае неудачи, обратная связь направляется в модуль памяти для последующего уточнения, при этом агент может использовать инструменты поиска в библиотеках или в сети ограниченное число раз перед представлением предложения.

Исследователи представили AxProverBase — систему, демонстрирующую впечатляющие результаты в автоматическом доказательстве теорем благодаря итеративному улучшению и использованию возможностей больших языковых моделей.

Визуальное мышление машин: новый вызов для ИИ

от

Автоматизированный конвейер курирования данных, основанный на больших языковых моделях, позволяет подготавливать изображения с использованием фильтрации и добавлением отвлекающих элементов, оценивать степень их схожести с помощью GPT-4o для выявления ключевых различий на уровне групп и отдельных экземпляров, генерировать минимально достаточные описания, и, наконец, подтверждать точность этих описаний и наличие сложных отвлекающих элементов перед включением в итоговый набор данных.

Исследователи представили новый масштабный набор данных для оценки способности современных мультимодальных моделей понимать и интерпретировать визуальную информацию в сложных сценариях.