Искусственный интеллект

Разработка научного ПО в одиночку: новый подход с помощью ИИ

от

В основе SHAPR лежит методология исследовательского проектирования действий, направленная на поддержку индивидуальной разработки исследовательского программного обеспечения посредством итеративных циклов построения - вмешательства - оценки, синергии человека и искусственного интеллекта, а также генерации доказательств, ориентированных на артефакты, что способствует рефлексивной и обучающейся исследовательской практике.

Исследователи все чаще полагаются на искусственный интеллект для создания программного обеспечения, и эта статья предлагает практическое руководство для тех, кто работает в одиночку.

Доказательство и Искусственный Интеллект: Цена Абсолютной Верности

от

Статья исследует, действительно ли формальная верификация необходима и достаточна для придания ценности математическому доказательству, и что может быть упущено в погоне за автоматической формализацией.

Рекомендательные системы, которые учатся сами: новый подход к самосовершенствованию

от

Саморазвивающаяся рекомендательная система Self-EvolveRec опирается на два ключевых механизма: генерацию направленной обратной связи, включающую симуляцию пользователя и диагностику модели, а также совместную эволюцию диагностического инструмента и самой модели, обеспечивая адаптацию и повышение эффективности системы.

Исследователи представили Self-EvolveRec — систему, способную самостоятельно оптимизировать алгоритмы рекомендаций, используя мощь больших языковых моделей и симулируя поведение пользователей.

Где это? Искусственный интеллект учится определять местоположение на фотографиях

от

Набор данных GeoSeek, используемый для обучения агента GeoAgent, обеспечивает выборку с уменьшением смещения и валидационный бенчмарк, аннотированный по признакам локализуемости и географических элементов, примечательно, что одно изображение может содержать множество таких элементов.

Новый подход, основанный на больших языковых моделях и обучении с подкреплением, позволяет значительно повысить точность и интерпретируемость определения географического положения изображений.

Когда люди и боты объединяются: новая волна влияния

от

Исследование раскрывает, как сочетание реальных пользователей и искусственного интеллекта формирует новые методы воздействия на общественное мнение и коллективные действия.

Зрение и разум: как обучение с подкреплением оттачивает навыки моделей

от

В моделях обучения с подкреплением наблюдается усиленное внимание токенов рассуждений к токенам визуального восприятия по сравнению с моделями непосредственного подражания, причем эта закономерность проявляется преимущественно в поздних слоях нейронной сети и отсутствует в начальных, что указывает на эволюцию стратегий обработки информации в процессе обучения.

Новое исследование показывает, что обучение с подкреплением последовательно улучшает способность моделей, объединяющих зрение и язык, к логическому мышлению, фокусируясь на ключевых слоях нейронной сети.

Искусственный интеллект: хрупкость визуального мышления

от

Результаты, полученные при использовании стратегии

Новое исследование показывает, что обучение с подкреплением, улучшая способность мультимодальных моделей понимать изображения, может сделать их уязвимыми к простым текстовым манипуляциям и снизить надежность рассуждений.