Исследователи предлагают метод, позволяющий достичь сопоставимой с обучением с подкреплением способности к рассуждениям у крупных языковых моделей, используя оптимизированный алгоритм выборки.
Новое исследование показывает, что самостоятельное обучение небольшой языковой модели позволяет студентам глубже понять принципы её работы и отказаться от антропоморфных представлений об искусственном интеллекте.
Исследование показывает, что автоматические исправления кода, предлагаемые искусственным интеллектом, часто усложняют кодовую базу и приводят к новым ошибкам, но принимаются с той же частотой, что и отклоненные правки.
Исследователи предлагают метод обучения больших языковых моделей, основанный на оценках качества, а не на размеченных данных, что открывает новые возможности для контроля над их поведением.
![Исследование предлагает три подхода к построению гиперсвязей с ограничениями на многообразия, где [latex]mHC[/latex] использует итеративный алгоритм Зинкорна-Кноппа для аппроксимации дважды стохастической остаточной матрицы, [latex]mHC-lite[/latex] строит ее как выпуклые комбинации перестановочных матриц, но становится непрактичным при больших [latex]n[/latex], а предложенный [latex]KromHC[/latex] конструирует остаточную матрицу как произведения Кронекера меньших дважды стохастических матриц, гарантируя двойную стохастичность при сохранении параметрической эффективности.](https://arxiv.org/html/2601.21579v1/x1.png)
В статье представлена инновационная архитектура гиперсвязей, использующая ограничения на многообразия и тензорные сети для повышения стабильности обучения и снижения вычислительных затрат.
Новый подход, объединяющий машинное обучение и причинно-следственный анализ, позволяет создавать перспективные металлические гидриды с улучшенными характеристиками для эффективного накопления водорода.
Новое исследование показывает, что тонкая настройка данных на уровне токенов во время предварительного обучения позволяет целенаправленно формировать возможности языковых моделей, повышая их надежность и соответствие ожиданиям.
В статье описывается библиотека astra-langchain4j, позволяющая использовать возможности больших языковых моделей в рамках агентного программирования на языке ASTRA.
Исследователи предлагают инновационный подход к динамическому объединению токенов в концепты, позволяющий оптимизировать вычислительные ресурсы и повысить эффективность работы моделей.
Исследователи предлагают метод, объединяющий симметрии, характеристики кривых и символьную регрессию для точного определения уравнений, описывающих поведение сложных систем.