Земля глазами ИИ: Как нейросети понимают географию

При повышении температуры до 0.7 семейство моделей GPT демонстрирует склонность к генерации более разнообразных ответов на запрос «Назовите страну, пожалуйста», что указывает на их способность к спонтанному, а не детерминированному, выбору из множества возможных вариантов.

Новое исследование раскрывает, как генеративные модели искусственного интеллекта представляют и используют географические знания, выявляя скрытые предубеждения и ограничения.

Обучение «думающих» агентов: новая инфраструктура для многоходовых диалогов

Агент ProRL разделяет полный цикл развертывания агента - от управления средой до вычисления вознаграждений - от ресурсоемкого обучения, эффективно отделяя операции ввода-вывода от процесса тренировки.

Исследователи представили масштабируемую систему, позволяющую эффективно обучать сложные агентные системы, способные вести продолжительные и осмысленные диалоги.

Долгосрочная память для умных агентов: новый подход к сложным задачам

Представленная работа демонстрирует AndroTMem - систему, включающую в себя комплексный бенчмарк [latex]AndroTMem-Bench[/latex] для долгосрочного тестирования Android GUI, выявляющую, что снижение производительности при увеличении горизонта планирования обусловлено, главным образом, нехваткой памяти, и решаемую посредством Anchored State Memory (ASM) - механизма хранения промежуточных состояний, связанных причинно-следственной связью, для повышения эффективности агентов GUI в долгосрочной перспективе.

Исследователи представили новый бенчмарк и механизм памяти, позволяющие агентам, взаимодействующим с графическим интерфейсом, эффективно запоминать и использовать информацию на протяжении длительных периодов времени.

Самообучающиеся агенты: когда нейросеть создает сама себя

Новая система позволяет замороженной нейросети постоянно совершенствоваться, самостоятельно разрабатывая и улучшая навыки, хранящиеся во внешней памяти.

Визуализация науки: новый виток сотрудничества человека и ИИ

Разработка инструментария для научных исследований осуществляется посредством итеративного подхода, включающего создание базового прототипа для визуализации основных принципов, расширение функционала с добавлением новых возможностей, и последующую доработку для обеспечения стабильности и соответствия стандартам кодирования, причём каждый этап предполагает верификацию результатов и возможность возврата к предыдущим фазам для внесения корректировок.

Исследователи предлагают инновационный подход к созданию интерактивных инструментов для научной визуализации, позволяющий ученым сосредоточиться на данных, а не на программировании.

Искусственный интеллект нового поколения: правовые риски и пробелы

Регулирование искусственного интеллекта в Европейском Союзе демонстрирует дифференцированный подход к вопросам приватности и безопасности: общие положения, не ориентированные на конкретные типы систем ИИ, сосуществуют с целенаправленными мерами и обязательствами, адресованными отдельным категориям ИИ, что отражает стремление к гибкому и контекстуально-зависимому регулированию.

Анализ европейского законодательства выявил недостаточность регулирования автономных систем искусственного интеллекта, особенно в части защиты данных и информационной безопасности.

Иллюзии понимания: как нейросети видят мир не так, как мы

В ходе комплексного анализа было выявлено, что существующие модели зачастую демонстрируют неспособность к распознаванию сложных символов, что указывает на ограничения в их способности к обобщению и пониманию контекста.

Новое исследование выявляет, что современные мультимодальные модели часто полагаются на языковые подсказки, а не на истинное зрительное восприятие при интерпретации символов.