Искусственный интеллект

От цитат к концепциям: Анализ политических дебатов с помощью ИИ

от

Процесс анализа устных высказываний осуществляется посредством двухэтапной системы кодирования - открытого и осевого - где на первом этапе [latex]20[/latex] тысяч транскрипций обрабатываются ансамблем языковых моделей, настроенных с использованием LoRA и модерируемых, а затем, посредством прямого запроса к языковой модели или кластеризации векторных представлений с последующей маркировкой, группируются в категории, при этом оценка качества осуществляется как посредством сопоставления с экспертными оценками, так и метриками внутренней интерпретируемости, такими как охват, краткость, связность, новизна и расхождение.

Новый подход позволяет автоматически выявлять ключевые темы и смыслы в больших объемах текста, открывая возможности для глубокого анализа политического дискурса.

Знания в помощь врачу: как структурированные данные улучшают ответы ИИ

от

Предлагается методология построения специализированных графов знаний и оценки их влияния на LLM в здравоохранении, работающие с технологией RAG, включающая в себя отбор абстрактов, конструирование графа знаний, генерацию зондов и систематическую оценку различных моделей и конфигураций поиска.

Новое исследование показывает, что использование специализированных баз знаний позволяет значительно повысить точность и релевантность ответов больших языковых моделей в сфере здравоохранения.

Надежное обучение представлений: за рамками предсказательной неопределенности

от

Новый подход к машинному обучению позволяет создавать более стабильные и отказоустойчивые модели за счет явного моделирования неопределенности на уровне признаков.

В поисках гравитационных волн: Миссия LISA и её команда

от

Статья посвящена обзору космической обсерватории LISA, призванной уловить гравитационные волны от слияния компактных объектов и расширить наше понимание Вселенной.

Рекомендации будущего: объединяя модели для учета времени и разных областей

от

В рамках разработанной структуры MMGRid, генеративные модели рекомендаций, построенные на общей базе большой языковой модели, организованы в контекстную сетку, охватывающую различные области и временные этапы, что обеспечивает унифицированное модельное пространство для изучения слияния этих моделей в контекстных сценариях и выявления ключевых проблем и перспективных направлений для их решения.

Новый подход позволяет рекомендательным системам динамически адаптироваться к изменяющимся предпочтениям пользователей и использовать данные из разных источников.

Поиск по ветвям энтропии: Новый подход к генерации текста

от

Процесс декодирования Entropy-Tree демонстрирует комплексный подход к извлечению информации, где каждый этап, подобно ветви дерева, последовательно уточняет и структурирует данные, позволяя системе эффективно восстанавливать исходное сообщение.

Исследователи предлагают стратегию декодирования, фокусирующуюся на наиболее неопределенных токенах для повышения точности и надежности языковых моделей.

Предел возможностей: где большие языковые модели теряют разум?

от

Анализ распределения длины последовательностей для модели Qwen2.5-7B при решении задач понимания прочитанного демонстрирует резкое снижение производительности в диапазоне 40-50%, что указывает на критическую зависимость от длины входных данных и потенциальные ограничения в обработке длинных текстов.

Новое исследование показывает, что производительность больших языковых моделей резко падает при обработке длинных текстов, несмотря на теоретическую возможность работать с большими объемами информации.

Нейросимволический анализ: как обучить ИИ искать ошибки в библиотеках глубокого обучения

от

Пример абстрактного входного сигнала демонстрирует, как система, воспринимаемая не как инструмент, а как развивающаяся экосистема, способна адаптироваться к неопределенности, закладывая в архитектуре предсказание будущих отказов.

В новой работе представлена методика, использующая возможности больших языковых моделей и символьного исполнения для автоматизированного поиска уязвимостей в коде, используемом для создания нейросетей.

Визуальный интеллект на службе моды: распознавание атрибутов товаров без обучения

от

Исследование выявило ограничения автоматического анализа комплектов одежды: определение длины нижней части костюма, наличия носков, головных уборов и очков, а также аксессуаров на талии и верхней одежды оказалось невозможным при заданном разрешении и условиях кадрирования изображения.

Новое исследование демонстрирует, что модели, объединяющие зрение и язык, превосходят традиционные методы в определении характеристик одежды, но испытывают трудности с определением неактуальных атрибутов.