Представлен масштабный набор данных MMOU, призванный оценить способность моделей искусственного интеллекта понимать и рассуждать на основе длинных, сложных видео с использованием как визуальной, так и звуковой информации.
Новая архитектура на базе ИИ автоматизирует весь цикл исследований в физике высоких энергий, от теоретических моделей до феноменологических результатов.
![В период с 2023 по 2025 год наблюдается стремительный рост исследований в области обучения моделей, характеризующийся расширением областей применения, сближением подходов, основанных на комбинации обучения с подкреплением и контролируемого обучения [latex]SFT-RL[/latex], поддержкой развитой инфраструктуры и библиотек, а также переходом от ручной разметки данных к использованию данных, генерируемых всё более мощными открытыми моделями.](https://arxiv.org/html/2603.13985v1/x1.png)
Новый обзор посвящен сравнению двух основных подходов к постобработке больших языковых моделей и тенденции к их комбинированию.
Новая система объединяет мощь больших языковых моделей и мультиагентного подхода для более глубокого понимания сложного взаимодействия между обществом и климатом.
В статье предлагается альтернативный путь развития генеративных моделей, основанный на создании узкоспециализированных интеллектуальных агентов вместо безграничного масштабирования универсальных систем.
Новое исследование показывает, что эффективные системы ответов на вопросы по электронным медицинским картам могут работать непосредственно на обычном оборудовании, без необходимости использования облачных сервисов.
Новая система CausalEvolve объединяет эволюционные алгоритмы и причинно-следственный анализ для повышения эффективности автоматизированного научного поиска и генерации новых знаний.
Новое исследование показывает, что современные системы искусственного интеллекта испытывают трудности с выполнением сложных, многоступенчатых задач в реальных бизнес-процессах.
В новой статье рассматривается гибридная система поддержки принятия врачебных решений, объединяющая возможности машинного обучения и экспертных правил для повышения точности диагностики и улучшения качества лечения.
Исследователи предлагают метод, позволяющий выявлять и структурировать общие концепции в данных, объединяющих изображения и текст, для повышения прозрачности и интерпретируемости моделей.