Обзор посвящен эволюции методов предсказания структуры белков, от статических моделей к динамическому моделированию и анализу взаимодействий, подчеркивая роль искусственного интеллекта в этой трансформации.
Исследователи представили MOSS-TTS — модель, способную генерировать реалистичную речь и точно копировать голоса, используя инновационный подход к обработке звука.
Новое исследование показывает, что для достижения наилучших результатов в анализе данных совместные усилия человека и ИИ эффективнее полной автоматизации.
Новое исследование предлагает методы и инструменты для повышения способности языковых моделей к сложным математическим вычислениям и логическим выводам, выходя за рамки простого выбора ответов.
![В рамках исследования авторегрессионных моделей предложен подход к многотокеновой предсказании, включающий прощупывание маскированных токенов, добавленных к запросу, и параллельную верификацию с генерацией, при этом связь между последним сгенерированным токеном [latex]x_{s}[/latex] и будущими токенами [latex]x^{s+1}, x^{s+2}, \hat{x}_{s+1}, \hat{x}_{s+2}[/latex] обеспечивается посредством специализированной маски внимания в виде дерева.](https://arxiv.org/html/2603.17942v1/images/online-ssd-prelim-diagram.png)
Исследователи предлагают эффективный метод многоточечного предсказания текста, позволяющий значительно ускорить процесс генерации без обучения дополнительных моделей.
Новое исследование показывает, что современные разговорные ИИ часто не раскрывают свою природу, что создает риски для взаимодействия человека и машины.
Новый подход, использующий возможности больших языковых моделей, позволяет более точно и интерпретируемо оценивать когнитивные нарушения на ранних стадиях.
Исследователи разработали метод адаптивной квантизации, позволяющий значительно снизить вычислительные затраты и энергопотребление при использовании мощных языковых моделей на мобильных и встраиваемых устройствах.
Новое исследование выявляет склонность современных мультимодальных моделей к галлюцинациям при обработке сложных и негативных запросов.
В эпоху развития ИИ-агентов, способных генерировать код, ключевой проблемой становится точное преобразование пользовательских намерений в безошибочные программы.