Нейросети учатся распознавать болезни мозга, не забывая прошлое
Новый подход к анализу фМРТ-данных позволяет обучать модели распознаванию психических расстройств, сохраняя знания, полученные на предыдущих наборах данных.
Искусственный интеллект
Управление ИИ-конвейерами: новый подход к адаптивности
Исследователи предлагают систему, позволяющую динамически настраивать цепочки обработки данных на основе семантического состояния и заданных правил.
Сборка конвейера: эффективное обслуживание больших языковых моделей
![После размещения блоков, резервирование кэша предоставляет возможности для дальнейшей оптимизации: для множества [latex]\mathcal{J}=\{j\_{1},\ldots,j\_{5}\}[/latex], при [latex]L=3[/latex], [latex]s\_{m}=1[/latex], [latex]s\_{c}=0.1[/latex], [latex]M\_{j}=3[/latex] если [latex]j=j\_{2}[/latex] и 2 в противном случае, а также [latex]\tau^{c}\_{j}=2[/latex] если [latex]j=j\_{2}[/latex] и 1 в противном случае, при условии [latex]\tau^{p}\_{j\_{l}}=l\epsilon[/latex] для [latex]0<ϵ≪1[/latex], алгоритм 1 конструирует цепочки при [latex]c=1[/latex], демонстрируя все возможные варианты цепочек при заданном размещении блоков.](https://arxiv.org/html/2604.14993v1/x2.png)
В статье представлена новая стратегия распределения ресурсов и балансировки нагрузки для оптимизации работы с большими языковыми моделями, использующими параллелизм конвейера.
Редкие болезни и искусственный интеллект: новые возможности общения с пациентами
Обзор показывает, как современные языковые модели могут помочь в информировании и поддержке людей, страдающих редкими заболеваниями.
Эволюция языковых моделей: поиск новых экспертов
Исследователи разработали новый подход к развитию больших языковых моделей, позволяющий им непрерывно обучаться и открывать новые возможности.
Сила в Модели: Ограничения Оптимизации в Математических Задачах
![Масштабирование нейронной сети за пределы доступных вычислительных ресурсов оказывается контрпродуктивным: хотя модель [latex]gpt-oss-{20}b[/latex] демонстрирует точность [latex]0.61[/latex] и оценку в 31.0 при [latex]N=8[/latex], увеличение до [latex]N=32[/latex] снижает эти показатели до 26, в то время как разница в 8 баллов между [latex]gpt-oss-{120}b[/latex] ([latex]0.69[/latex], 39.3) и [latex]gpt-oss-{20}b[/latex] ([latex]0.61[/latex], 31.0) значительно превосходит любые улучшения, достигнутые оптимизацией запросов.](https://arxiv.org/html/2603.27844v2/x1.png)
Новое исследование показывает, что возможности самой языковой модели являются определяющим фактором в решении математических задач, а оптимизация запросов и методов вывода дает лишь незначительный эффект.
Разумные агенты: Новая эра глубоких исследований
Представлен MindDR — экономичный фреймворк для глубоких исследований, использующий многоагентные системы и достигающий передовых результатов с моделями порядка 30 миллиардов параметров.
Обучение без Забывания: Новый Подход к Потоковой Обработке Данных
Исследователи разработали метод, использующий оптимальный транспорт для адаптации скрытого пространства и эффективного обучения модели на постоянно поступающих данных без потери ранее полученных знаний.
Память извлечённых знаний: новый подход к рассуждениям в больших языковых моделях
Исследователи предлагают использовать извлечение информации как динамический слой памяти для повышения точности и эффективности логических выводов в сложных задачах.
Обучение ИИ: Новый подход к пониманию человеческих предпочтений
Исследователи разработали масштабируемый фреймворк C2, позволяющий более эффективно согласовывать поведение больших языковых моделей с человеческими ценностями.