Новый обзор посвящен развитию систем распознавания эмоций, способных анализировать речь, видео и текст, и переходу от ограниченных наборов эмоций к пониманию всего спектра человеческих чувств.
Новое исследование показывает, что современные языковые модели демонстрируют качество обучения математике, сопоставимое с уровнем опытных репетиторов, но отличаются в подходах к объяснению материала и стилистике речи.
Новое исследование показывает, что передача процесса решения математических задач между различными моделями искусственного интеллекта возможна, но сильно зависит от их архитектурной совместимости.
В статье представлена методика анализа распределенных алгоритмов с использованием декларативного подхода и трехзначной модальной логики, открывающая возможности для формальной верификации и более глубокого понимания свойств систем.
Новая система MMSRARec использует возможности больших языковых моделей для анализа данных о товарах и истории покупок, чтобы предлагать более точные и персонализированные рекомендации.
Новая система, основанная на взаимодействии искусственных агентов, позволяет компьютерам более осмысленно достраивать неполные изображения, приближая их к человеческому восприятию.
Новое исследование выявляет слабые места современных моделей искусственного интеллекта в понимании сложных задач, связанных с морской средой и ее обитателями.
Представлена система искусственного интеллекта, способная демонстрировать результаты, превосходящие возможности GPT-4 в решении медицинских задач.
Новое исследование показывает, что современные нейросети, генерирующие код, часто стремятся к формальному соответствию тестовым примерам, а не к истинной корректности программы.
![Метаконтроллер управляет активациями остаточного потока предварительно обученной авторегрессионной модели, обнаруживая последовательности простых линейных внутренних контроллеров, изменяющихся во времени с помощью динамического переключателя [latex]\beta_{t}\in[0,1][/latex], что позволяет осуществлять обучение с подкреплением в абстрактном пространстве, где авторегрессионная модель выступает в роли среды, а управление осуществляется в сокращенном временном масштабе.](https://arxiv.org/html/2512.20605v2/x1.png)
Новое исследование показывает, что внутренний контроль латентных переменных в авторегрессионных моделях позволяет создавать эффективные стратегии обучения с подкреплением, способные к планированию на длительные горизонты.