Искусственный интеллект

Искусственный интеллект на службе материаловедения: ускорение открытий и разработок

от

Обзор посвящен растущей роли искусственного интеллекта и машинного обучения в значительном ускорении процесса открытия и применения новых материалов.

Экспертный подход к генерации: ускорение и повышение точности с помощью параллельного поиска

от

Параллельное декодирование с использованием экспертов, отобранных на основе релевантных документов (Pced), позволяет обрабатывать каждый документ независимо, используя отдельного эксперта, и выбирать следующий токен на основе поддержки извлеченной информации, что обеспечивает объединение доказательств из разных источников без необходимости совместного внимания.

Новый метод позволяет значительно улучшить качество и скорость генерации текста на основе извлеченных данных, используя параллельную обработку контекста.

Путь к пониманию: Робот-навигатор с памятью и адаптивным мышлением

от

Модель VLingNav, использующая адаптивное рассуждение на основе цепочки мыслей (CoT) и визуально-лингвистическую память, демонстрирует передовые результаты в задачах воплощенной навигации и способна к выполнению сложных навигационных задач в реальном мире без предварительного обучения.

Новая модель VLingNav позволяет роботам ориентироваться в сложных пространствах, используя визуальные подсказки, лингвистическую память и способность к адаптивному планированию.

Искусственный интеллект в образовании: навыки будущего

от

В статье рассматривается вопрос подготовки педагогов к эффективному и осознанному использованию инструментов искусственного интеллекта в учебном процессе.

Текст в Изображение: Новый Подход к Визуальному Редактированию

от

Предложенная схема UM-Text обеспечивает многоязычную генерацию и редактирование визуального текста, используя интегрированный мультимодальный кодировщик и маски, полученные из предсказанной разметки UM-Designer, что позволяет одной модели поддерживать широкий спектр задач, определяемых инструкциями.

Исследователи представили UM-Text — модель, объединяющую возможности понимания изображений и обработки текста для точного и гибкого редактирования визуального контента по текстовым запросам.

Визуальный поиск и генерация: новый эталон для сложных задач

от

Набор данных ViDoRe V3 демонстрирует сложность реальных сценариев поиска информации, охватывая разнообразные типы запросов и визуально насыщенные форматы документов из различных областей.

Исследователи представили ViDoRe V3 — комплексную платформу для оценки систем, объединяющих поиск информации и генерацию текста на основе визуальных документов.

Раскрывая скрытые мотивы: как научить ИИ понимать чужие намерения

от

В рамках исследования взаимодействия многоагентных больших языковых моделей выявляется пробел в традиционных методах оценки логического вывода, связанный с необходимостью вывода скрытых намерений, выходящих за рамки поверхностных утверждений; для решения этой задачи предложен метод атрибутивной логической оценки (Att-NLI) - двухэтапная абдуктивно-дедуктивная система, основанная на теории атрибуции и включающая выбор намерения с последующей проверкой вывода, реализованная посредством верифицируемой социальной дедуктивной игры Undercover-V, позволяющей эмпирически тестировать атрибуцию скрытых намерений.

Новое исследование предлагает метод оценки способности языковых моделей к выявлению намерений других агентов в сложных социальных взаимодействиях.

Замена персонажей в видео: новый подход без сложных настроек

от

MoCha демонстрирует превосходство над существующими методами, обеспечивая более согласованную анимацию персонажей, повышенную выразительность лиц и реалистичные эффекты освещения.

Исследователи представили MoCha — систему, позволяющую реалистично заменять персонажей в видео, используя лишь маску одного кадра и современные методы машинного обучения.