Искусственный интеллект

Код, который думает: DeepCode и будущее воспроизводимости научных исследований

от

Глубокий код представляет собой комплексную структуру, позволяющую осуществлять анализ и понимание программного обеспечения на принципиально новом уровне, раскрывая скрытые закономерности и уязвимости в коде посредством сложного взаимодействия модулей и алгоритмов.

Новая платформа DeepCode позволяет автоматически преобразовывать научные статьи в исполняемый код, открывая новые возможности для проверки и воспроизведения результатов.

Умный город: как искусственный интеллект ускоряет исследования городской среды

от

Автоматизированный цикл научных исследований в области урбанистики, представленный здесь, демонстрирует, как система искусственного интеллекта способна поддерживать весь процесс - от выявления ключевых тем и формирования гипотез до поиска релевантных данных, автоматического кодирования и интерпретации результатов, вплоть до составления финального научного доклада, интегрируя идею, междисциплинарный синтез знаний и анализ данных.

Новая система на базе искусственного интеллекта позволяет автоматизировать и ускорить процесс изучения городских процессов, объединяя данные, знания и аналитические инструменты.

Полимеры и Искусственный Интеллект: Новый Подход к Прогнозированию Свойств

от

Исследователи разработали инновационную систему, объединяющую глубокое понимание химической структуры полимеров с возможностями современных языковых моделей.

Текст под прицелом: Искусственный интеллект и судебная лингвистика

от

Появление генеративных моделей искусственного интеллекта ставит перед судебной лингвистикой новые задачи и требует пересмотра традиционных методов анализа текстов.

Зрение и язык: новый подход к обучению в условиях нехватки данных

от

Система DoGe осуществляет синтез данных, подобно процессу человеческого обучения, собирая обширный немаркированный массив информации из сети и баз данных, агрегируя его в мультимодальный пул знаний, а затем преобразуя в обучающие пары

Исследователи предлагают инновационную архитектуру, позволяющую моделям понимать контекст и решать задачи, даже когда обучающих данных недостаточно.

Маленькие модели – большие возможности: Искусственный интеллект в поиске онкологических исследований

от

Анализ удаления слов в статье 91 с использованием Qwen2.5 показал, что, как и ожидалось, удаление ключевого термина “MMTV” снизило релевантность, однако удаление других значимых терминов, таких как “microRNAs”, неожиданно привело к её повышению, демонстрируя чувствительность модели к биомедицинской терминологии и сложность оценки релевантности на основе простого исключения ключевых слов.

Новое исследование демонстрирует, что компактные языковые модели способны эффективно анализировать научную литературу в области онкологии и микробиологии, обеспечивая сопоставимую с крупными моделями точность.

Стабильность в многопользовательских играх: новый подход к сходимости

от

При увеличении параметра связи $\lambda$ евклидова симметричная граница для канонической 6464-мерной LQ-игры становится отрицательной, в то время как истинная метрическая граница и граница SGN остаются положительными в рамках режима, основанного исключительно на SGN.

Исследование представляет новый критерий, гарантирующий сходимость динамических алгоритмов к равновесию Нэша в сложных многоагентных системах.

Самообучающиеся агенты: как выявлять и исправлять ошибки

от

Предлагается методология отладки $DoVer$ (Do-then-Verify), разбивающая неудачные сессии на последовательные этапы проб, определяющая вероятные причины сбоев и генерирующая целенаправленные вмешательства, позволяющие модифицировать план или сообщения, с последующей оценкой эффективности изменений путём повторного воспроизведения траектории и измерения прогресса, где этапы планирования и перепланирования выделены синим цветом, выполнение - зеленым, предполагаемые ошибки - красным, критические сбои - темно-красным, успешное завершение - темно-зеленым, вмешательства - желтым, а новые этапы планирования и выполнения - синим и зеленым штрихом соответственно.

Новая система DoVer позволяет автоматически находить и устранять неисправности в сложных системах, основанных на взаимодействии нескольких языковых моделей.