Искусственный интеллект

Коллективный разум машин: самообучающиеся системы для глубоких исследований

от

Система многоагентных исследований структурирована таким образом, что центральный оркестратор формирует перечень задач для ответа на запрос пользователя, после чего несколько агентов-читателей извлекают необходимую информацию из документов, которую затем агрегатор объединяет в мини-отчёты, а финальным этапом является формирование развёрнутого отчёта агентом-писателем, причём оркестратор может итеративно уточнять план задач для достижения оптимального результата.

Новое поколение многоагентных систем способно самостоятельно улучшать свои запросы, повышая эффективность сбора информации и генерации отчетов.

Текстуры обмана: Как взломать ИИ, управляющий роботами

от

Защитные механизмы, применяемые к входным данным, оказывают ощутимое влияние на производительность Tex3D, демонстрируя, что даже незначительные изменения в структуре входных данных способны существенно изменить поведение системы.

Новое исследование демонстрирует, как специально разработанные 3D-текстуры могут дезориентировать системы искусственного интеллекта, ответственные за восприятие и управление роботами в реальном мире.

Искусственный интеллект в школе: учимся решать задачи как профессионалы

от

Интерфейс демонстрирует последовательность действий I-SAILBFS, раскрывая структуру взаимодействия в рамках данной системы.

Новое исследование показывает, что даже школьники среднего звена могут освоить базовые принципы искусственного интеллекта, если это обучение встроено в привычные предметы.

Искусственный интеллект и будущее Data Science: Возвращение к Человеческому Фактору

от

Развитие генеративных моделей искусственного интеллекта требует переосмысления подходов к обучению специалистов в области анализа данных, акцентируя внимание на навыках, которые невозможно автоматизировать.

3D-моделирование: новый взгляд на реконструкцию и генерацию

от

UniRecGen воссоздаёт детализированные трёхмерные модели объектов по небольшому числу несвязанных изображений, используя в качестве отправной точки надёжную «геометрическую основу» в виде облака точек, а затем, посредством генеративной модели, синтезирует полную сетку, сохраняя уникальные структурные особенности объекта и правдоподобно завершая невидимые области для достижения высокой точности соответствия исходной форме.

Исследователи объединили методы реконструкции и генерации 3D-моделей, добившись впечатляющих результатов в создании детализированных объектов из обычных изображений.

Искусственный интеллект в роли социолога: новые горизонты исследований

от

Платформа YuLan-OneSim демонстрирует возможность генерации кода, сопоставимого с оценками экспертов в восьми областях социальных наук, при этом анализ ошибок и эксперименты с различными компонентами (включая G-Valid) показывают, что оптимизация рабочих процессов и качества кода позволяет достичь масштабируемости при увеличении числа агентов и повысить эффективность развёртывания как в распределённых, так и в одноузловых системах, а траектории оптимизации моделей Qwen2.5-1.5B и Llama-3.2-1B с использованием стратегий SFT и DPO подтверждают эффективность обратной связи для улучшения результатов.

В статье представлена платформа, использующая возможности больших языковых моделей для автоматизации ключевых этапов социологических исследований — от разработки экспериментов до анализа данных и подготовки отчетов.

Предвидеть сбои: Искусственный интеллект на страже стабильности цепочек поставок

от

На диаграмме надёжности, построенной на тестовом наборе данных, эмпирические частоты ложных срабатываний демонстрируют зависимость от предсказанных вероятностей, позволяя оценить калибровку модели и выявить систематические смещения в её прогнозах.

Новое исследование демонстрирует, как модели машинного обучения, анализируя новостные данные, способны прогнозировать нарушения в работе цепочек поставок с высокой точностью.