Искусственный интеллект и сценарии выживания: таксономия рисков

В статье представлена система классификации потенциальных угроз, связанных с развитием искусственного интеллекта, основанная на анализе вероятных сценариев сохранения человечества.

Молекулярный конструктор: ИИ создает соединения с заданными свойствами

Система M4olGen осуществляет итеративное проектирование молекул, начиная с поиска кандидатов, соответствующих заданным критериям (QED, LogP, молекулярный вес), и последующего уточнения их структуры посредством многошагового алгоритма оптимизации, управляемого GRPO, для достижения требуемых характеристик, основываясь на анализе локальным решателем и обратной связи от оценщика.

Новый подход на базе искусственного интеллекта позволяет генерировать молекулы, точно соответствующие нескольким заданным параметрам одновременно.

Биоматериалы и ИИ: Новое поколение производства

Исследование посвящено применению искусственного интеллекта и машинного обучения для оптимизации процессов производства из возобновляемых и биооснованных материалов.

Визуальные размышления: новый подход к мультимодальному мышлению

Предложенный метод LaViT представляет собой концептуальную основу для исследования закономерностей в визуальных данных, позволяя выявить скрытые связи и зависимости.

Исследователи предлагают инновационную архитектуру, позволяющую моделям лучше понимать связь между текстом и изображениями, приближая их к человеческому восприятию.

Поиск по медицинским записям: как искусственный интеллект понимает пациентов?

Новое исследование демонстрирует, что современные системы искусственного интеллекта все еще испытывают трудности с точным извлечением данных из электронных медицинских карт и сложным клиническим анализом.

Под контролем: Как обезопасить поведение ИИ-агентов

Архитектура AgentGuardian демонстрирует разделение потоков: оранжевые линии определяют генерацию политики, в то время как синие - её исполнение, что позволяет системе динамически адаптироваться к изменяющимся условиям и обеспечивать гибкое управление.

Новая разработка позволяет автоматически формировать правила доступа и контролировать исполнение, снижая риски, связанные с вредоносными запросами и непредсказуемостью больших языковых моделей.

Медицинская визуализация: Новый подход к сегментации с ограниченными данными

В рамках предложенной архитектуры VQ-Seg, входное изображение кодируется в непрерывные признаки, которые подвергаются векторизации для квантования в дискретное пространство кодовых книг, после чего модуль контролируемых возмущений (QPM) вводит возмущения для обучения согласованности, а двухзвенная архитектура совместно оптимизирует реконструкцию изображения и сегментацию, используя общие признаки после векторизации, при этом адаптер признаков после векторизации (PFA) выравнивает квантованные признаки с семантическими вложениями из базовой модели.

Исследователи предлагают инновационную систему VQ-Seg, использующую векторизацию и структурированные возмущения для повышения точности сегментации медицинских изображений при недостатке размеченных данных.