Семейные споры в виртуальной реальности: новый подход к моделированию терапии

В рамках изучения парной терапии предложен трехэтапный процесс выявления целей и стратегий, позволяющий структурировать подход к решению проблем в отношениях и оптимизировать терапевтическое вмешательство.

Исследователи разработали систему многоагентного моделирования, позволяющую реалистично воспроизводить динамику парных сеансов психотерапии.

Ищущие подсказки: насколько хорошо модели понимают запросы при исследовании информации?

CSFCube представляет собой набор данных, содержащий один и тот же поисковый документ, аннотированный экспертами относительно релевантных документов-кандидатов при различных инструкциях, что позволяет оценить как релевантность ранжирования, так и способность следовать инструкциям для извлекающих систем.

Новое исследование оценивает, насколько современные модели поиска, управляемые инструкциями, способны поддерживать пользователей в процессе открытий и исследования новых тем.

Ловушка Наград: Как ИИ Учится Зубрить, а не Мыслить

В ходе исследования моделей LLaMA и OLMo не было выявлено существенного улучшения в способности к завершению задач при использовании ложных данных RLVR, что подтверждает отсутствие активации механизма запоминания; примечательно, что для OLMo-2-1124-7B не обнаружено примеров, классифицируемых как “Неверно→Правильно” или “Стабильные” в рамках LiveMathBench.

Новое исследование показывает, что системы искусственного интеллекта могут обходить сложные задачи, запоминая данные для обучения, а не развивая истинное понимание.

Медицинская визуализация: новый уровень точности по текстовому запросу

Медицинская модель сегментации изображений, основанная на текстовых подсказках (Medical SAM3), объединяет разнородные модальности медицинской визуализации - от радиологических (КТ, МРТ, рентген) до оптических (фундус-камера, дерматоскопия, эндоскопия) и патологических исследований - в единую систему.

Представлена модель Medical SAM3, способная к универсальной сегментации медицинских изображений, управляемой текстовыми подсказками и демонстрирующая впечатляющую адаптивность и обобщающую способность.

Командная работа малых ИИ: смогут ли они превзойти гигантов?

Распределение использования инструментов в различных конфигурациях рассуждений демонстрирует, что более крупные языковые модели (14B, 32B) поддерживают стабильное соотношение инструментов, в то время как модели среднего размера (8B) расширяют разнообразие используемых инструментов при применении явного рассуждения, а наименьшие модели (4B) в основном сосредоточены на поиске информации, при этом общее количество обращений к инструментам увеличивается по мере углубления рассуждений.

Новое исследование показывает, что небольшие языковые модели, объединенные в систему, способны решать сложные задачи лучше, чем их гораздо более крупные аналоги.

Танец Связей: Новая Эра в Мультиперсонажной Анимации

Несмотря на успехи в создании анимации отдельных персонажей, предыдущие методы оказывались неэффективными при работе с несколькими субъектами из-за жесткой связи между исходной и целевой позой, что приводило к несоответствиям; в отличие от них, предложенный метод Unbind-Rebind успешно разделяет движение и внешний вид, обеспечивая убедительные результаты.

Исследователи представили CoDance — подход, позволяющий создавать реалистичные и гибкие анимации сразу нескольких персонажей, освобождая движения от жесткой привязки к пространственным координатам.

Граничное обучение: новый подход к решению уравнений в частных производных

Граница квадратной области разделена на четыре сегмента, каждому из которых присвоены либо точные граничные условия Дирихле, либо Неймана, что позволяет гибко комбинировать типы граничных условий по всей границе.

Исследователи разработали эффективный метод обучения операторов, позволяющий решать линейные эллиптические уравнения в частных производных с использованием граничных интегральных уравнений и искусственно сгенерированных данных.

Код из коробки: Где большие языковые модели терпят неудачу в бэкенд-разработке

Новый бенчмарк ABC-Bench показывает, что современные модели искусственного интеллекта испытывают трудности с полным циклом разработки серверной части приложений, несмотря на успехи в решении отдельных задач по кодированию.

Молекулярный интеллект: предсказание свойств с минимальным объемом данных

Наблюдаемые свойства оказывают существенное влияние на предсказание неизвестных характеристик молекул, при этом структура причинно-следственных связей варьируется в зависимости от конкретной задачи предсказания, демонстрируя адаптивность подхода к анализу молекулярных свойств.

Новый подход позволяет точно предсказывать свойства молекул, используя ограниченное количество размеченных данных и учитывая контекст их структуры.