Искусственный интеллект

Мышление без ошибок: Новый подход к повышению достоверности больших языковых моделей

от

MR-ALIGN корректирует переходы рассуждений, обеспечивая более достоверные и последовательные ответы, демонстрируя способность системы к адаптации логики для повышения точности.

Исследователи предлагают способ улучшить качество рассуждений искусственного интеллекта, фокусируясь не на ответах, а на самом процессе мышления.

Оптимизация вычислительных ресурсов: новые стратегии масштабирования языковых моделей

от

Тестовые примитивы масштабирования демонстрируют, что даже самые элегантные теоретические конструкции в конечном итоге сталкиваются с необходимостью адаптации к реальным ограничениям и компромиссам в производственной среде.

Исследователи предлагают инновационный подход к эффективному распределению вычислительных ресурсов при масштабировании больших языковых моделей в реальном времени.

Визуальное мышление: новый тест для искусственного интеллекта

от

Разработанный TIR-Bench состоит из тринадцати задач, призванных всесторонне оценить способность систем к сложному анализу и интерпретации визуальной информации.

Исследователи представили комплексный бенчмарк для оценки способности моделей с искусственным интеллектом активно рассуждать с использованием изображений.

Когда зрение становится разумом: как научить ИИ долгосрочному планированию с помощью инструментов

от

Инструмент ToolScope структурирован как триединая система: глобальный навигатор определяет подмножество инструментов и задает общее направление, агентский исполнитель итеративно обдумывает, применяет инструменты и продолжает рассуждения на их основе, а синтезатор ответов консолидирует логическую цепочку в удобный для пользователя результат.

Как новая архитектура позволяет большим языковым моделям понимать визуальный мир, планировать сложные действия и эффективно использовать инструменты для достижения целей.

Когда видео становится реальностью: симуляция мира для физического ИИ

от

Как новые модели, основанные на генерации видео и обучении с подкреплением, создают высокоточные и управляемые симуляции для развития искусственного интеллекта, способного взаимодействовать с физическим миром.

Как знания взаимодействуют в нейросетях: новый взгляд на проблему галлюцинаций

от

Разнообразие типов взаимодействия со знаниями в исследуемом наборе данных демонстрирует сложную структуру, где различные формы обмена информацией не просто сосуществуют, но и формируют основу для понимания и, возможно, манипулирования самой реальностью.

Исследование показывает, что понимание того, как большие языковые модели интегрируют внутренние и внешние знания, требует анализа более сложного взаимодействия, чем простое включение/выключение.

Когда граф становится изображением: как модели компьютерного зрения превосходят нейросети в понимании структуры графов

от

Визуальные модели, в отличие от объяснителей графовых нейронных сетей, демонстрируют способность выделять и использовать дискриминативные паттерны в графовых структурах – ключевые признаки, определяющие класс графа в более чем 90% случаев, – фокусируясь на критических точках, таких как вершины и рёбра, что указывает на использование надёжных упрощений для классификации, в то время как объяснители ГНС распределяют внимание более равномерно, не акцентируя эти значимые области.

Как применение моделей компьютерного зрения к представлениям графов позволяет лучше понимать глобальную структуру и масштабируемость графов, приближаясь к человеческому восприятию.