Робот, который думает действиями: новый подход к обучению
![В рамках исследования подходов к построению логических цепочек рассуждений, традиционные методы, такие как языковые [latex]CoT[/latex] и визуальные [latex]CoT[/latex], оперируют промежуточными задачами или целевыми изображениями, в то время как предложенный подход [latex]Action[/latex] [latex]CoT[/latex] непосредственно воздействует на пространство действий, обеспечивая единообразное управление действиями.](https://arxiv.org/html/2601.11404v1/x1.png)
Исследователи предлагают инновационный метод, позволяющий роботам планировать действия, основываясь на последовательном рассуждении в пространстве действий.
Искусственный интеллект
Агенты, рожденные опытом: новый подход к созданию ИИ
Исследователи представили систему, способную самостоятельно создавать и совершенствовать интеллектуальных агентов, опираясь на накопленный опыт взаимодействия с окружающей средой.
Космические Задачи для Разумных Агентов: Новый Вызов ИИ
Исследователи представили комплексный набор задач AstroReason-Bench, позволяющий оценить возможности искусственного интеллекта в планировании действий в сложных, физически реалистичных космических сценариях.
Метаболический профиль СДВГ: новый взгляд на диагностику
Исследование выявляет уникальные метаболические маркеры, позволяющие более точно диагностировать синдром дефицита внимания и гиперактивности.
Мысли в Разных Языках: Как Расширить Горизонты Искусственного Интеллекта
Новое исследование показывает, что разнообразие внутренних представлений в больших языковых моделях способно значительно повысить креативность и культурную адаптивность генерируемых ответов.
Искусственный интеллект на службе поиска работы: как улучшить запросы на рекомендации
Новое исследование показывает, что AI-агенты способны значительно повысить шансы на успех при обращении за помощью в поиске работы, особенно когда исходные запросы нуждаются в доработке.
Ожившие Симуляции: Учим Искусственный Интеллект Реалистичной Физике Движения
![В отличие от существующих подходов к генерации видео, основанных на восстановлении зашумленных данных в латентном пространстве с помощью Flow Matching, которые игнорируют важные пространственно-временные физические закономерности и полагаются на субъективные оценки при обучении с подкреплением, PhysRVG использует цикл [latex]MD[/latex] для полного использования данных визуальной информации и обеспечивает внедрение физических знаний посредством метрики, основанной на физике, что позволяет стабильно сохранять и активно обнаруживать физические принципы для действительно физически осознанного обучения и генерации.](https://arxiv.org/html/2601.11087v1/x2.png)
Новый подход объединяет обучение с подкреплением и генерацию видео, чтобы создавать более правдоподобные и физически корректные анимации и симуляции.
Беспроводные сети будущего: мощнее, чем больше
Новый подход к беспроводной связи использует возможности больших моделей для повышения производительности и адаптивности системы.
Поиск с разумом: Как научить ИИ признавать свои границы
![Предложенная схема BAPO осуществляет обучение посредством чередования рассуждений агента, генерирующего множество вариантов решения для каждого вопроса путем комбинирования логических цепочек и взаимодействия с внешней средой, и вычисления вознаграждения, состоящего из оценки корректности ответа [latex]\mathcal{R}^{\textit{Correct}}[/latex], поощрения за выдачу ответа «не знаю» [latex]\mathcal{R}^{\textit{IDK}}[/latex] при отсутствии верного решения, а также адаптивного модулятора, динамически отключающего [latex]\mathcal{R}^{\textit{IDK}}[/latex] в зависимости от соотношения ответов «не знаю» на этапе исследования и разнообразия вариантов на этапе стабилизации.](https://arxiv.org/html/2601.11037v1/x2.png)
Новый подход к обучению ИИ позволяет ему надежнее искать информацию и честно говорить, когда ответа у него нет.
Наука под контролем машин: как сохранить критическое мышление
Статья исследует, как машинное обучение меняет научную практику и как ученым сохранить контроль над процессом познания в эпоху алгоритмов.