Искусственный интеллект

Самообучающиеся ядра GPU: новый подход к оптимизации

от

Предлагаемый фреймворк K-Search функционирует как поисковое дерево, состоящее из исследованных узлов (синего цвета) и ожидающих рассмотрения гипотез (оранжевого цвета), итеративно совершенствуясь посредством выбора действий на основе приоритета, локальной детализации посредством стохастической политики и обновления модели мира, включающего добавление, корректировку приоритетов и отсечение менее перспективных направлений поиска.

Исследователи представили систему, способную самостоятельно разрабатывать и совершенствовать программный код для графических процессоров, значительно повышая их производительность.

Наука будущего: Искусственный интеллект в обучении

от

Статья посвящена анализу того, как искусственный интеллект меняет подход к созданию учебных материалов по естественным наукам и открывает новые возможности для персонализированного обучения.

Визуальный интеллект на ладони: Модели для мобильных устройств

от

Мобильная платформа Mobile-O демонстрирует комплексные возможности обработки данных непосредственно на потребительском оборудовании iPhone 17 Pro, включая генерацию изображений по текстовому описанию, например, реалистичного изображения бенгальского тигра, а также предоставление детальных текстовых описаний для анализа композиции и расположения объектов на изображениях.

Новая архитектура позволяет смартфонам понимать и генерировать изображения, открывая возможности для мультимодальных приложений непосредственно на устройстве.

Советник нового поколения: Искусственный интеллект на службе образования

от

Система Aurora объединяет базу знаний, нейро-символические рассуждения и сегменты промптов типа Chain-of-Thought, где потоки данных определяют логику работы, а границы контроля и контекста формируют архитектуру системы.

В новой работе представлена система Aurora, использующая передовые методы нейро-символического ИИ для создания интеллектуального помощника в сфере академического консультирования.

Диалоги без сбоев: как научить ИИ самостоятельно исправлять ошибки

от

В разработанной системе ReIn модуль инцепции выявляет потенциально ошибочные запросы пользователя и формирует блок рассуждений с планами восстановления, который затем используется агентом для динамической корректировки поведения в соответствии с предложенными решениями, что формализовано в алгоритме и иллюстрируется примерами блоков инцепции, содержащих конкретные планы восстановления.

Новое исследование предлагает метод повышения надежности разговорных ИИ-агентов за счет внедрения механизма самодиагностики и исправления ошибок в процессе общения.

Слухи в сети: как искажается информация при общении ИИ

от

При повторной передаче информации между искусственными интеллектами наблюдается неравномерное снижение выживаемости отдельных информационных элементов, что указывает на систематические различия в их удержании и подтверждает неизбежность накопления технического долга даже в, казалось бы, идеальных системах.

Новое исследование показывает, как цепочки искусственного интеллекта изменяют сообщения, приводя к потере смысла, усреднению оценок и приглушению эмоциональной окраски.

Оптимизация генеративных моделей: новый подход к отсечению ненужных связей

от

Метод Sink-Aware Pruning снижает дисперсию нестойких

Исследователи предлагают метод повышения эффективности моделей, генерирующих текст и изображения, за счет интеллектуального удаления нестабильных элементов внимания.

Математика и язык: как объединить разумное с вычисляемым

от

Архитектура системы, представленная на рисунке, обеспечивает направленный математический вывод знаний, используя онтологии в качестве руководства для структурирования и валидации логических заключений.

Новое исследование показывает, что интеграция формальных математических онтологий с языковыми моделями способна значительно повысить надежность рассуждений, особенно когда поиск успешно находит соответствующие определения.