Денис Аветисян

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.

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.

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.

Хаос под контролем: Новые методы анализа квантовых схем

от

Исследователи предлагают подход к изучению хаотических квантовых систем, позволяющий упростить расчеты за счет выделения масштабов, на которых проявляются основные эффекты.

Редактируем по пикселям: новый тест для искусственного интеллекта

от

Исследователи представили DLEBench — комплексную методику оценки способности моделей редактирования изображений к точной правке небольших объектов.

За гранью линейных ограничений: Новый подход к адаптации больших языковых моделей

от

В исследовании закономерностей масштабирования MathInstruct, метод NoRA демонстрирует устойчивое превосходство над LoRA на всех рангах, причем разрыв между ними увеличивается при более высоких значениях [latex]r=512[/latex], указывая на то, что нелинейная адаптация NoRA обеспечивает более эффективное обучение по сравнению с LoRA.

Исследователи предлагают метод NoRA, позволяющий значительно расширить возможности тонкой настройки больших языковых моделей, не увеличивая при этом количество обучаемых параметров.

Искусственный интеллект у бара: когда разумные агенты начинают спорить

от

Анализ поведения агентов, выполненный методом k-means с [latex]n=154[/latex] экземплярами и [latex]k=3[/latex] кластерами (коэффициент силуэта - 0.458), выявил три отчетливые стратегии: оппортунистическую (48.1%, характеризующуюся очень высокой частотой запросов и вкладом в перегрузку), агрессивную (27.3%, с частыми запросами и умеренной эффективностью) и консервативную (24.7%, демонстрирующую значительное ограничение ресурсов - до 73.5 раундов), при этом агенты, демонстрирующие поведение, близкое к базовому уровню, в исследуемых популяциях больших языковых моделей не обнаружены.

Новое исследование показывает, что взаимодействие нескольких ИИ-агентов при распределении ресурсов может привести к неожиданным последствиям, включая усиление проблем с перегрузкой и снижение эффективности.