Искусственный интеллект

Новое исследование проливает свет на механизм обучения двуслойных нейронных сетей, объясняя, как они осваивают простейшие арифметические операции.

Новый бенчмарк NESSiE позволяет быстро и эффективно оценить безопасность и способность следовать инструкциям у языковых моделей, используемых в автономных системах.

Новая концепция ‘Симуляционной теологии’ предлагает принципиально иной подход к выравниванию искусственного интеллекта, основанный на внедрении системы убеждений о его месте в смоделированной реальности.

Исследователи предлагают эффективный метод точной настройки, позволяющий повысить безопасность языковых моделей, фокусируясь на ключевых нейронах.

Исследователи представляют ASQ — набор данных, отражающий поисковые стратегии искусственного интеллекта, демонстрируя существенные отличия от поведения человека при поиске информации.

Исследователи разработали метод, позволяющий роботам лучше понимать окружающую среду и планировать свои действия, используя возможности диффузионных моделей и визуально-языкового обучения.

Новое исследование показывает, что генеративные модели создают знания, исследуя многомерные пространства, а не полагаясь на символьные рассуждения.

Исследователи представили StereoAdapter-2 — систему, позволяющую значительно повысить точность определения глубины под водой, что критически важно для подводных роботов и исследований.

Автоматизация выполнения и диагностики эмпирических социальных исследований позволяет значительно повысить надежность и масштабируемость научных результатов.

В статье представлен подробный анализ разработки открытых языковых моделей Trinity, включая модель Trinity Large, и описаны ключевые стратегии для обеспечения стабильного обучения и эффективного масштабирования при экстремальной разреженности.