Исследователи представили AxProverBase — систему, демонстрирующую впечатляющие результаты в автоматическом доказательстве теорем благодаря итеративному улучшению и использованию возможностей больших языковых моделей.
Новое исследование выявляет растущую проблему «галлюцинаций цитат», когда языковые модели придумывают несуществующие научные работы.
Исследователи представили DLEBench — комплексную методику оценки способности моделей редактирования изображений к точной правке небольших объектов.
![Система OEM-VQA, работающая на базе граничных вычислений, непрерывно преобразует видеопоток со смарт-очков в текстовую память [latex]M[/latex] с помощью дескрипторного потока, позволяя пользователю задавать вопросы, на которые отвечает модуль QA, использующий эту память для генерации ответа без сохранения исходных видеокадров.](https://arxiv.org/html/2602.22455v1/2602.22455v1/x1.png)
Новое исследование демонстрирует, как современные нейросети могут отвечать на вопросы о видео в режиме реального времени, не отправляя данные в облако.
![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.](https://arxiv.org/html/2602.23093v1/2602.23093v1/behavioral_clusters_scatter.png)
Новое исследование показывает, что взаимодействие нескольких ИИ-агентов при распределении ресурсов может привести к неожиданным последствиям, включая усиление проблем с перегрузкой и снижение эффективности.
Исследователи представили LLMServingSim 2.0 — симулятор, позволяющий анализировать взаимодействие разнородного оборудования и распределенной архитектуры при обслуживании крупных языковых моделей.
Представлен FlexMS — гибкий фреймворк, позволяющий комплексно оценивать точность и эффективность алгоритмов предсказания масс-спектров на основе методов глубокого обучения.
Новая модель искусственного интеллекта объединяет визуальную и текстовую информацию для решения сложных задач в области компьютерного проектирования.
Новая модель машинного обучения объединяет данные о 3D-структуре молекул и материалов для генерации новых соединений и предсказания их свойств.
Новое исследование выявляет ключевые компоненты в многоязычных моделях, отвечающие за соединение скрытого логического мышления с формированием связных предложений на целевом языке.