Искусственный интеллект

Белые карлики под магнитным взглядом: новый подход к оценке полей

от

Белые карлики с подтвержденными магнитными полями преимущественно концентрируются в пределах первого кластера на UMAP-проекции данных, что указывает на связь между магнитными характеристиками и структурой многомерного пространства параметров этих звезд.

Ученые разработали метод машинного обучения, позволяющий более точно определять силу магнитных полей у белых карликов и выявлять объекты с аномально высокими значениями.

Голос и Зрение: Как Распознавание Речи Учитывает Оба Канала

от

Исследование предлагает три подхода к анализу вклада входных признаков в процесс генерации токенов, основанные на матрице Шэпли [latex]\bm{\Phi}[/latex]: GlobalSHAP для оценки общего баланса модальностей, GenerativeSHAP для отслеживания динамики вклада модальностей на этапах генерации, и TemporalAlignmentSHAP для изучения соответствия между позициями входных признаков и выходных токенов.

Новое исследование раскрывает, как модели машинного обучения комбинируют аудио- и визуальную информацию для более точного распознавания речи, даже в условиях помех.

Поэзия и Машина: Как Искусственный Интеллект Распознает Эмоции в Персидской Классике

от

Анализ энтропии эмоциональной окраски в поэтических размерах Руми и Парвин Этесами демонстрирует, что Руми мастерски использовал метры для передачи широкого спектра чувств, в то время как эмоциональное разнообразие в поэзии Парвин Этесами проявляется иным образом, что отражено в различиях энтропии распределения эмоций.

Новое исследование демонстрирует возможности искусственного интеллекта в анализе эмоциональной окраски персидской поэзии, открывая новые перспективы для цифровых гуманитарных наук.

Личность вместо размера: как обучить умного AI-репетитора

от

Репозиторий агентов EduClaw структурирован по предметным областям и позволяет фильтровать их по уровню сложности, обеспечивая гибкую организацию и доступ к обучающим ресурсам.

Новое исследование показывает, что эффективность обучающих AI-агентов определяется не столько мощностью языковой модели, сколько глубиной и структурированностью их профиля и навыков.

Видео в деталях: Адаптивная токенизация для эффективной генерации

от

EVATok демонстрирует превосходную реконструкцию видео и качество последующей генерации, достигая значительной экономии в использовании токенов за счёт интуитивного подхода к их распределению: динамичные или сложные сцены кодируются большим количеством токенов, в то время как повторяющиеся или простые - меньшим.

Новый подход к кодированию видео позволяет динамически выделять ресурсы в зависимости от сложности сцены, значительно повышая качество и скорость обработки.

Молекулярная динамика под присмотром ИИ: новый взгляд на химические процессы

от

Модель Chem4DLLM использует 4D-эквивариантный графовый энкодер (UMA) для преобразования каждого 3D-кадра [latex]\mathcal{X}\_{t}[/latex] в графовое вложение, которое затем проецируется и аддитивно объединяется с вложениями специальных токенов <graph>, после чего языковая модель (Qwen3-8B) принимает полученную последовательность вложений [latex]\mathbf{E}[/latex] в качестве префикса для авторегрессивной генерации выходных данных.

Исследователи разработали систему, позволяющую искусственному интеллекту понимать и анализировать сложные траектории движения молекул, открывая новые возможности для изучения химической динамики.

Искусственный интеллект и точные науки: где у современных моделей пробелы?

от

Новый бенчмарк GRADE выявляет ограничения современных моделей обработки изображений в применении специализированных знаний из различных академических дисциплин.

ИИ говорит правду? Как проверить ответы нейросети

от

Исследование оценивало правдивость восприятия пользователей в рамках поставленной задачи, выявляя факторы, влияющие на точность суждений и потенциальные когнитивные искажения.

Новое исследование показывает, что объяснения, генерируемые искусственным интеллектом, могут влиять на нашу способность критически оценивать достоверность его ответов.

Ожившие видео: Управление движением и персонализация в реальном времени

от

DreamVideo-Omni демонстрирует способность генерировать видеоматериалы с точным воспроизведением внешности объекта и улучшенной динамикой движения, что позволяет достичь полного соответствия заданным запросам.

Новая технология позволяет создавать кастомизированные видеоролики с несколькими участниками, точно контролируя их движения и сохраняя уникальные черты каждого.