Арабский язык против английского: где «сломаются» ИИ-агенты?
Новое исследование выявило существенное снижение эффективности инструментов ИИ при обработке арабского языка по сравнению с английским, ставя под сомнение их универсальность.
Искусственный интеллект
Диалоги с ИИ: Как студенты используют обратную связь по аналитике обучения
Новое исследование показывает, как студенты взаимодействуют с ИИ-помощником в системах аналитики обучения и какие вопросы они задают.
Оптимизация аппаратного обеспечения: новый подход с использованием искусственного интеллекта
Исследователи предлагают инновационную систему, объединяющую возможности графовых нейронных сетей и больших языковых моделей для значительного повышения эффективности разработки специализированных чипов.
Ловушка для фейков: как ИИ учится отличать правду от лжи в разных областях
Новая система RAAR использует интеллектуальный поиск и взаимодействие нескольких ИИ-агентов для повышения точности выявления дезинформации в различных сферах знаний.
Медицинские знания: как ИИ помогает врачам сотрудничать
Новая система, основанная на искусственном интеллекте, позволяет находить экспертов и рекомендовать совместные исследования внутри медицинских учреждений.
Как думает машина: Визуализация работы языковых моделей
Новый инструмент позволяет наглядно понять, как большие языковые модели обрабатывают текст и генерируют ответы.
Визуальная навигация по множеству изображений: новый подход с использованием больших языковых моделей
Исследователи представили инновационную систему, способную понимать и связывать информацию из нескольких изображений, используя возможности больших языковых моделей и методы обучения с подкреплением.
Искусственный интеллект на службе звезд: ускорение астрофизических симуляций
Новые методы машинного обучения позволяют значительно сократить время расчетов сложных процессов, происходящих в звездах и галактиках.
Рассуждения на несколько шагов: как языковые модели учатся думать?
Новое исследование показывает, что способность к сложным логическим выводам зависит не столько от размера модели, сколько от эффективности использования её ресурсов.
Рассуждения и Знания: Новое поколение систем генерации ответов
![Обучение системы на графах знаний с использованием потерь ранжирования позволяет выявлять надёжные связи между сущностями и отфильтровывать шумные, формируя обоснованные пути рассуждений для ответа на запросы, при этом совместная оптимизация обхода графа знаний и поиска релевантных документов с использованием FAISS и ранжирования [latex]q(x)[/latex] обеспечивает прозрачность происхождения ответа и семантическую привязку, подобно подходу, реализованному в MentalLLAMA для обработки запросов в области психического здоровья.](https://arxiv.org/html/2601.04568v1/kg-path-rag.png)
Исследователи представляют нейросимволические системы поиска и генерации, объединяющие преимущества нейронных сетей и символьных знаний для повышения точности и интерпретируемости.