Искусственный интеллект

Искусственный интеллект: меняющийся ландшафт исследований и сотрудничества

от

Анализ публикаций по искусственному интеллекту за период с 2021 по 2025 год демонстрирует тенденции в зависимости от типа организации, причём учёт неуказанных аффилиаций, выполненный на основе валидационных выборок по годам, позволяет получить более точную картину наблюдаемых изменений.

Новое исследование показывает, как стремительный рост числа работ по искусственному интеллекту влияет на структуру научных коллабораций.

Робот, который понимает: управление политиками через зрение и язык

от

Система визуально-языкового обучения, используя модели SAM и DINOv2 для определения ключевых точек, генерирует дифференцируемые функции вознаграждения [latex]\{{\mathcal{R}\_{s}}\}\_{s=1}^{S}[/latex], которые, в сочетании с градиентами вознаграждения, отталкивающими RBF-членами и пересемплированием на основе Фейнмана-Каца, корректируют траектории действий замороженной базовой политики [latex]\pi^{\star}[/latex], обеспечивая быструю сходимость к областям с высоким вознаграждением и устойчивое выполнение задач манипулирования в неизвестных средах благодаря адаптивной силе управления и логике переключения по Шмитту.

Новый подход позволяет существующим робототехническим системам адаптироваться к новым задачам и окружению в реальном времени, используя возможности моделей, объединяющих зрение и язык.

Искусственный интеллект, который учится сам: Новый этап эволюции

от

В отличие от существующих систем воплощенного искусственного интеллекта, функционирующих на основе заданных параметров задачи, памяти, воплощения и окружающей среды с опорой на внешнее руководство и эмпирические настройки, саморазвивающийся воплощенный искусственный интеллект оперирует, основываясь на изменяющемся состоянии и динамической среде, с самообновляющейся памятью, самопереключением задач, самоадаптацией воплощения, самопредсказанием окружающей среды и самоэволюцией моделей, стремясь к достижению постоянно адаптируемого интеллекта посредством автономной эволюции.

В статье представлена концепция саморазвивающегося воплощенного ИИ, способного к автономной адаптации и непрерывному совершенствованию в динамично меняющихся условиях.

Генерируем 3D-миры: новый масштабный датасет HY3D-Bench

от

В рамках комплексной экосистемы HY3D-Bench представлен объединенный набор данных, включающий 252 тысячи высококачественных 3D-моделей с гарантированной целостностью геометрии и мультивью-рендерингом, 240 тысяч моделей с детализированной структурой, позволяющей осуществлять точный контроль над отдельными частями, и 125 тысяч сгенерированных искусственным интеллектом моделей из категорий, редко встречающихся в существующих наборах данных, что обеспечивает стандартизированную основу для обучения и оценки алгоритмов генерации 3D-контента.

Исследователи представляют HY3D-Bench — комплексную экосистему для генерации и восприятия 3D-контента, включающую в себя крупномасштабный датасет и инструменты на базе искусственного интеллекта.

Искусственный интеллект в помощь разработчику: от поиска документации до генерации тестов

от

Архитектура разработанного агента для обработки документов использует компоненты, обозначенные иконкой «робот», что позволяет реализовать подход, основанный на автономных агентах для решения поставленной задачи.

В статье рассматриваются практические примеры использования агентного ИИ для автоматизации рутинных задач в процессе разработки программного обеспечения.

Наука в тандеме: как искусственный интеллект помогает предсказывать будущее исследований

от

Предлагаемая методология объединяет возможности человека и искусственного интеллекта, формируя гибридный подход к решению сложных задач.

Новый подход к выявлению ключевых научных вопросов объединяет возможности искусственного интеллекта и экспертизу ученых, позволяя прогнозировать перспективные направления исследований.

Языковые модели подсказывают путь к обучению с подкреплением

от

В предложенном методе, обозначенном как SAGE, при невозможности большой языковой модели (LLM) самостоятельно сформировать корректную траекторию решения задачи, она генерирует подсказку на основе эталонного решения, которая затем используется совместно с исходной сложной задачей, предотвращая коллапс преимуществ и обеспечивая выбор правильных траекторий для обновления модельного представления политики.

Новый подход использует самогенерируемые подсказки для повышения эффективности обучения больших языковых моделей в сложных средах с редким вознаграждением.

Искусственная приватность: Создание крупнейшего набора данных для защиты личной информации

от

Набор данных Privasis,

Новое исследование представляет масштабный синтетический набор данных, призванный решить проблему нехватки данных для разработки и оценки технологий, обеспечивающих конфиденциальность.

Эволюция программного кода: новый подход к ускорению научных открытий

от

В рамках исследования, система [latex]\mathop{\mathtt{DeltaEvolve}}\limits[/latex] отличается от [latex]\mathop{\mathtt{AlphaEvolve}}\limits[/latex] за счет включения в контекстное окно не полного кода, а семантических изменений [latex]\mathop{\mathtt{semantic\ delta}}\limits[/latex], что позволяет более эффективно оптимизировать процесс эволюции.

Исследователи предлагают инновационную систему, использующую принципы эволюции для автоматического улучшения программного кода и поиска оптимальных решений в научных задачах.

Непрерывное обучение в эпоху ИИ: как оставаться востребованным

от

Тенденции востребованности цифрового обучения демонстрируют устойчивые различия в зависимости от гендерной принадлежности и географического региона, что указывает на необходимость адаптации образовательных стратегий к конкретным социально-демографическим группам.

Исследование показывает, что цифровое образование становится все более важным, но успех зависит от учета возрастных и демографических особенностей аудитории.