Искусственный интеллект за рулем: где заканчивается уверенность?

В разработанной системе, основанной на взаимодействии большой языковой модели с инструментами и изменяемым окружением, многооборотные сообщения пользователя, определяемые инструкциями и типами задач, включая выявление галлюцинаций и устранение неоднозначности, инициируют процесс, в ходе которого агент, руководствуясь доменными политиками, изменяет состояние окружения посредством взаимодействия с инструментами, пока не сформирует обоснованный ответ, опираясь на изменяемые состояния, фиксированные контекстные переменные и статические базы данных.

Новый тест CAR-bench выявляет слабые места современных систем искусственного интеллекта, используемых в автомобилях, когда речь заходит о неоднозначных запросах и признании собственных ограничений.

Наука определений: Автоматическое извлечение знаний из научных текстов

Для оценки схожести определений был разработан рабочий процесс, включающий анализ различных наборов данных и метрик, а также тестирование пула больших языковых моделей для выявления оптимальной комбинации запроса и модели, обеспечивающей наиболее точные результаты.

Новый подход позволяет извлекать определения ключевых понятий из научных статей, значительно упрощая процесс анализа и систематизации информации.

Логика, которую можно проверить: новый подход к искусственному интеллекту

Стохастическая булева схема, представленная на рисунке, определяет распределение вероятностей над булевыми цепями, позволяя с произвольной точностью генерировать любую желаемую цепь посредством стохастического подъёма битов и случайного выбора входов для каждого узла, причём вероятность выбора контролируется обучаемыми параметрами каналов подъёма битов и нейронов, что обеспечивает гибкое управление вычислениями.

Исследователи представили архитектуру нейронных сетей, способную к надежному и универсальному логическому выводу, основанную на стохастических булевых схемах.

Ускорение генерации текста: новый подход к спекулятивному декодированию

DFlash демонстрирует более чем в 2.5 раза более высокую скорость работы по сравнению с EAGLE-3 при декодировании Qwen3-8B с использованием бэкенда Transformers, что указывает на значительное повышение эффективности.

Исследователи представили DFlash — инновационную систему, сочетающую скорость диффузионных моделей с точностью авторегрессивных, что позволяет значительно ускорить процесс генерации текста большими языковыми моделями.

Генерация физических задач: новый подход с использованием искусственного интеллекта

Распределение точности ответов студентов и модели, имитирующей их работу, по задачнику 6-1 демонстрирует схожие закономерности, при этом погрешность измерений отражена в виде стандартных отклонений, позволяющих оценить надёжность полученных результатов.

Исследователи разработали систему, способную автоматически создавать и проверять большие объемы задач по физике, используя возможности генеративных моделей искусственного интеллекта.

Визуальный поиск с интеллектом: новая эра мультимодального извлечения

В отличие от текстовых подходов «chain-of-thought», полагающихся на лингвистический вывод из статических визуальных представлений и часто неспособных различать тонкие нюансы, разработанная система V-Retrver осуществляет многомодальное переплетенное рассуждение, используя визуальные инструменты для анализа кандидатов на соответствие и обеспечивая обоснованное рассуждение и более надежную ранжировку результатов.

Исследователи представляют V-Retrver — систему, которая позволяет языковым моделям самостоятельно находить и анализировать визуальные доказательства для повышения точности поиска.

Взгляд внутрь «черного ящика»: Объясняем нейросети, распознающие опухоли мозга

Новое исследование демонстрирует, как объединение различных методов объяснимого искусственного интеллекта позволяет понять, на что именно обращают внимание алгоритмы при диагностике рака мозга.

Видео будущего: как заставить ИИ генерировать длинные связные ролики

Исследование демонстрирует возможность генерации видео высокой согласованности с точностью до минуты, минимизируя отклонения даже в разнообразных сценариях благодаря применению метода принудительного контекста.

Новый подход Context Forcing позволяет создавать реалистичные и последовательные видеосюжеты, решая проблему долгосрочной когерентности в генеративных моделях.

Призрачные ссылки: Как нейросети подделывают научные статьи

В анализе материалов конференций 2025 года выявлена зависимость между количеством и серьезностью ошибок в цитировании: доля статей, содержащих ошибки, и общее число этих ошибок варьируется в зависимости от степени их критичности, что указывает на систематические проблемы в академической практике и требует дальнейшего изучения источников и механизмов возникновения подобных неточностей.

Новое исследование выявило случаи появления сфабрикованных цитат, созданных искусственным интеллектом, в рецензируемых научных публикациях, ставя под угрозу достоверность академических исследований.