Безопасные агенты: символьные ограничения для надежного ИИ
Новое исследование показывает, что простые символьные ограничения могут значительно повысить безопасность и надежность ИИ-агентов, не снижая при этом их полезность.
Искусственный интеллект
Пространственное мышление машин: генерация 3D-планировок нового уровня
Исследователи представили LaviGen — систему, способную создавать реалистичные и логичные 3D-сцены, используя передовые методы машинного обучения и принципы геометрической организации пространства.
От замысла к тексту: как искусственный интеллект помогает в академической работе
В статье рассматривается, как инструменты на базе ИИ могут поддерживать писателей, структурируя процесс работы и помогая достигать поставленных целей.
Видеомонтаж по запросу: Новый стандарт оценки качества
![Разработан комплекс [latex] VEFX [/latex], включающий в себя аннотированный набор данных из 5049 примеров видеомонтажа, охватывающих 9 категорий и 32 подкатегории, оцениваемых по трем независимым параметрам - соответствию инструкции, качеству рендеринга и уникальности монтажа, а также специализированную модель вознаграждения для оценки качества видеомонтажа и эталонный набор из 300 тщательно подобранных пар видео-подсказок, предназначенный для стандартизированного сравнения систем редактирования.](https://arxiv.org/html/2604.16272v1/x1.png)
Исследователи представляют комплексную платформу для оценки качества видеомонтажа и визуальных эффектов, основанную на четком следовании инструкциям и реалистичности результата.
Эволюция машин: Общие закономерности с миром живых организмов
![В процессе эволюции, как искусственного интеллекта, так и биологических организмов, наблюдается сходимость архитектурных решений - четырнадцать признаков были независимо изобретены от трех до пяти раз - и закономерное увеличение доли неблагоприятных мутаций по мере созревания систем, что указывает на общую эволюционную траекторию, подтвержденную статистическим анализом ([latex]p=0.035[/latex]) и прослеживаемую на примере развития архитектур Transformer от 2017 к 2022 году.](https://arxiv.org/html/2604.10571v1/x4.png)
Новое исследование показывает, что статистические паттерны эволюции проявляются как в искусственном интеллекте, так и в биологических системах, указывая на универсальные принципы адаптации.
Искажения в диффузионных моделях: как улучшить качество генерации изображений
![В процессе обучения диффузионной модели отношение сигнал/шум (SNR) возмущенной выборки [latex]\bm{x}_t[/latex] строго привязано ко времени [latex]t[/latex], однако в процессе инференса, из-за ошибок предсказания сети и погрешностей дискретизации в численных решателях, SNR предсказанной выборки [latex]\bm{\hat{x}}_t[/latex] отклоняется от заданного времени [latex]t[/latex], что проявляется в более высоком значении нормы выходного шума [latex]||{\bm{\epsilon}}_{\bm{\theta}}(\bm{\hat{x}}_t,t)||_2[/latex] по сравнению с прямой выборкой [latex]||{\bm{\epsilon}}_{\bm{\theta}}(\bm{x}_t,t)||_2[/latex] при одинаковом шаге диффузии, указывая на пониженное SNR предсказанных выборок.](https://arxiv.org/html/2604.16044v1/x3.png)
Новое исследование выявило систематическую ошибку в алгоритмах диффузионных моделей, приводящую к ухудшению качества сгенерированных изображений, и предлагает эффективный способ её устранения.
Искусственный интеллект: за кулисами власти и капитала
Новая аналитика показывает, что акцент на технических аспектах ИИ отвлекает от ключевых вопросов политической экономии и концентрации власти.
Понимание машин: как сделать большие языковые модели прозрачными
В статье представлен обзор современных подходов к созданию больших языковых моделей, которые изначально понятны и объяснимы.
Музыка из Машины: Как Распознать Творение Искусственного Интеллекта
Новое исследование показывает, что определить, создана ли музыка человеком или нейросетью, можно не по её звучанию, а по неизбежным артефактам, возникающим в процессе её генерации.
Угасающая креативность: почему языковые модели теряют способность к разнообразию
Новое исследование показывает, что причина снижения вариативности в ответах больших языковых моделей кроется не в алгоритмах обучения, а в составе используемых данных.