Исследователи предлагают инновационный метод оптимизации языковых моделей, основанный на состязательном обучении в латентном пространстве, для улучшения соответствия заданным предпочтениям.
Новая модель машинного обучения, обученная на изображениях биопсии предстательной железы, способна предсказать биохимический рецидив после радикальной простатэктомии.
Новый подход позволяет эффективно обрабатывать длинные контексты, преобразуя сложные цепочки логических выводов в компактные визуальные представления.
Новая разработка позволяет создавать реалистичные синтетические данные для газовой хромато-масс-спектрометрии, значительно повышая надежность и точность обнаружения химических веществ даже при наличии помех.
Новый подход к предварительному обучению позволяет создавать более точные и универсальные 3D-модели, используя огромные объемы разнородных данных.
Исследователи разработали систему PowerGenie, использующую алгоритмы эволюции и машинного обучения для автоматического поиска и создания высокоэффективных схем преобразователей энергии.
Исследователи представили гибридное представление, объединяющее треугольные сетки и нейронные Гауссианы, для создания детализированных и быстро отображаемых 3D-моделей.
Новая работа предлагает переосмыслить управление ответственностью в сфере ИИ, рассматривая его не как поиск компромиссов, а как управление неизбежными противоречиями.
Новое исследование позволяет проследить, какие именно данные из обучающей выборки формируют внутренние механизмы больших языковых моделей.
Уменьшение размеров и повышение эффективности языковых моделей, в сочетании с доступностью вычислительных ресурсов, создают растущие риски, поскольку даже недорогое оборудование позволяет развертывать потенциально вредоносные кампании на основе ИИ.