Химические процессы: от идеи до симуляции за считанные часы

Разработка химических процессов традиционно требует значительных ручных усилий на всех этапах, в то время как существующие автоматизированные методы ограничиваются различными графическими представлениями, тогда как предлагаемый подход обеспечивает сквозную автоматизацию и охватывает различные измерения, выходя за рамки стандартных диаграмм технологических процессов [latex] (Douglas1988) [/latex] и используя гиперграфы с параметрическими аннотациями [latex] (Mannet al.2024) [/latex].

Новый подход объединяет возможности больших языковых моделей и многоагентных систем для автоматического создания рабочих химических процессов по текстовому описанию.

Когда всем хорошо: как учёт идиом улучшает машинный перевод

Методы GRPO-QE-\* различаются в подходе к семантическому пространству: QE-Positive сближает семантически эквивалентные тексты, QE-Negative отдаляет неэквивалентные, QE-Constrained стремится к балансу между этими процессами, а QE-DA использует эталонный перевод для уточнения оценки качества машинного перевода.

Новое исследование показывает, что обучение языковых моделей с использованием оценки качества перевода в качестве сигнала вознаграждения позволяет добиться значительного улучшения как в переводе идиом, так и в общей точности перевода на разные языки.

Где ‘разум’ в нейронных сетях? Новый взгляд на выравнивание языковых моделей

Исследование показывает, что способность больших языковых моделей соответствовать человеческим предпочтениям сосредоточена в последних слоях нейронной сети.

Лес за деревьями: новый подход к визуальному мышлению

Лазерная технология заменяет многословные текстовые обоснования [latex] (a) [/latex] эффективными латентными суперпозициями [latex] (b) [/latex], открывая путь к более компактному и производительному представлению информации.

Исследователи предлагают метод, позволяющий моделям видеть общую картину, а не только отдельные детали, что значительно повышает эффективность решения визуальных задач.

Когда Больше – Не Значит Лучше: О Ловушках Улучшения Рассуждений Искусственного Интеллекта

Модель Claude Opus 4.5 демонстрирует резкий скачок достоверности с 0.27 до 0.89 при увеличении числа итераций до 5, в то время как другие модели показывают относительно стабильную или незначительно снижающуюся достоверность.

Новое исследование показывает, что увеличение количества попыток искусственного интеллекта решить задачу не всегда повышает качество его рассуждений, а иногда даже приводит к ошибкам.

Интеллектуальный поиск материалов: как машинное обучение ускоряет открытия

В области поиска новых материалов, стратегии активного обучения используют как специализированные модели, итеративно переобучаемые на отобранных данных, так и масштабные предварительно обученные модели, позволяющие переносить знания между задачами, при этом функциональные режимы активного обучения фокусируются либо на отборе оптимальных кандидатов в известных областях дизайна, либо на исследовании новых химических пространств для открытия инновационных материалов, выходящих за рамки существующих статистических закономерностей.

В статье представлен обзор методов активного обучения, позволяющих значительно сократить время и ресурсы, необходимые для разработки новых материалов.

Искусственный интеллект на связи: будущее беспроводных сетей

В будущем беспроводной связи большие модели искусственного интеллекта играют ключевую роль, обеспечивая новые возможности и эффективность коммуникационных систем.

В статье рассматривается возможность интеграции масштабных моделей искусственного интеллекта в системы беспроводной связи нового поколения для повышения их производительности и адаптивности.