Молекулярный конструктор: ИИ создает лекарства по шаблонам реакций

Конвейер ReACT-Drug демонстрирует возможность последовательного применения рассуждений и действий для решения задач, связанных с лекарственными препаратами, что позволяет эффективно комбинировать сильные стороны обеих парадигм.

Новая система ReACT-Drug использует обучение с подкреплением и химические шаблоны для генерации перспективных молекул-кандидатов с заданными свойствами.

Иллюзии Рассуждений: Как Нейросети Теряют Счет

Точность языковой модели при решении вычислительных задач напрямую зависит от семантической нагрузки, причём повышение сложности вычислений закономерно снижает надёжность ответов.

Новое исследование показывает, что современные языковые модели испытывают трудности даже с простыми арифметическими задачами при наличии семантических отвлекающих факторов.

Зрение без Объяснений: Как Модели Понимают Изображения

Модель, обученная неявно выделять полезные представления, демонстрирует способность распознавать скрытые визуальные структуры, релевантные для решения задачи сопоставления изображений, что позволяет ей превзойти стандартные языковые модели, ограниченные текстовым выводом, и методы с явным обучением, испытывающие затруднения при нечётких логических цепочках.

Новый подход позволяет большим мультимодальным моделям развивать сложные навыки визуального мышления без необходимости в явных инструкциях или промежуточных визуальных ориентирах.

Искусственный интеллект на службе рекрутинга: Новый взгляд на отбор кандидатов

Предлагается модульный конвейер, состоящий из нескольких агентов, для последовательного приема данных-кандидатов, построения контекста, верификации по открытым источникам, оценки, ранжирования и валидации, что позволяет создать самоорганизующуюся систему обработки информации.

Исследование посвящено разработке и оценке системы, использующей возможности искусственного интеллекта для автоматизации и повышения эффективности первичного отбора резюме.

Видео будущего: HiStream ускоряет генерацию реалистичного видео

Алгоритм HiStream обеспечивает генерацию видео высокого разрешения (1080p) с авторегрессией, демонстрируя ускорение процесса шумоподавления в 76.2 раза по сравнению с двунаправленным подходом и в 2.5 раза быстрее, чем у метода самопринуждения, при этом сохраняя наивысшие оценки предпочтений, а его оптимизированная версия HiStream+ достигает ещё более впечатляющего ускорения - в 107.5 раза по сравнению с базовым методом и в 3.5 раза быстрее, чем самопринуждение.

Новая архитектура HiStream позволяет создавать высококачественные видеоролики в высоком разрешении значительно быстрее, не жертвуя визуальной достоверностью.

Химическое мышление машин: новый подход к обучению

Многоступенчатый процесс обучения языковой модели для химического анализа включает предварительное обучение на специализированном корпусе, содержащем как обычный текст, так и информацию о соединениях и синтезе, последующую контролируемую тонкую настройку для понимания молекулярных структур, ответов на вопросы с учетом структуры и логических цепочек рассуждений, а также дальнейшую специализацию с использованием обучения с подкреплением на основе экспертной оценки или контролируемой тонкой настройки, ориентированной на стиль рассуждений, что позволяет итеративно улучшать модель для достижения более точного химического анализа.

Исследование демонстрирует, как целенаправленное обучение на научных данных позволяет улучшить способность искусственного интеллекта решать сложные химические задачи.

Архитектурная эрудиция под вопросом: как нейросети «угадывают» возраст зданий

Архитектура YearCLIP извлекает признаки фасада изображения размером 224×224 с помощью энкодера [latex] f_{v}(CLIP) [/latex], объединяя их с GPS-вложением, полученным из энкодера местоположения [latex] f_{l}(RFF + MLP) [/latex] посредством обучаемой нулевой свертки, в то время как параллельные текстовые ветви кодируют семь классов грубого стиля и набор рассуждений, описывающих крыши, стены и высоту, все эти замороженные энкодеры питают обучаемый регрессор [latex] g(⋅) [/latex], выполняющий грубую к тонкой ординальную регрессию для определения года постройки (в данном случае 1687) и выбора наиболее подходящих стилей и токенов рассуждений, генерируя понятное обоснование.

Новое исследование выявляет, что современные модели, связывающие изображения и текст, часто полагаются на запоминание популярных достопримечательностей, а не на понимание архитектурных стилей и особенностей.

Гравитация предсказана: Сравнение новых методов моделирования

Результаты применения нейронных обыкновенных дифференциальных уравнений (Neural ODE) для первого случая (100% обучающей выборки) демонстрируют устойчивость к различным уровням шума при анализе данных для первого тела.

Исследование показывает, как современные алгоритмы машинного обучения позволяют точнее прогнозировать движение множества взаимодействующих гравитационных объектов.