Искусственный интеллект

Обзор ключевых проблем и перспективных направлений развития моделей, объединяющих зрение, язык и управление действиями.

Многоагентные системы открывают путь к автоматизированному поиску эффективных моделей в научной машинном обучении.

В данной статье представлена HaluMem – новая методика оценки галлюцинаций в системах памяти, основанная на анализе операций на уровне отдельных компонентов, что обеспечивает более детальное понимание источников ошибок по сравнению с традиционными сквозными оценками.

Новая система использует компьютерное зрение и дополненную реальность для пошаговой помощи при сборке физических объектов.

Новая архитектура позволяет языковым моделям эффективно рассуждать и действовать в динамичных, ограниченных по времени условиях.

Исследование демонстрирует возможности нейронных операторов для точного и быстрого моделирования динамики энергетических систем.

Исследование предлагает метод повышения надежности цепочек рассуждений больших языковых моделей за счет формальной проверки их логической структуры.

Как оценить реальную способность человека работать с искусственным интеллектом в повседневных задачах?

Исследователи разработали систему, использующую историю изменений кода для более эффективного поиска и устранения ошибок в программах.

Исследование показывает, как AI-агенты справляются с задачей улучшения качества кода и где их возможности ограничены.