Новое исследование оценивает возможности использования ИИ для выявления и представления статистических доказательств расовой предвзятости в уголовном судопроизводстве, особенно в контексте Закона о расовой справедливости штата Калифорния.
Исследование предлагает более точный и учитывающий различия между группами пользователей подход к оценке качества больших языковых моделей, выходящий за рамки автоматических тестов.
![Основываясь на анализе направленной сети символических паттернов, исследование демонстрирует, что определенные подстроки из управляющей последовательности способны обусловить детерминированное поведение целевой последовательности - чем ближе значение взвешенной энтропии к нулю, тем более предсказуемым становится переход, в то время как более высокие значения указывают на возрастающую неопределенность в индуцированных переходах, причем анализ направленности [latex]X \rightarrow Y[/latex] и [latex]Y \rightarrow X[/latex] позволяет сравнить степень детерминизма в обоих направлениях.](https://arxiv.org/html/2603.04473v1/2603.04473v1/causal_network_dual.png)
В статье представлен инновационный метод выявления причинно-следственных связей во временных рядах, использующий концепцию словарного анализа и энтропии паттернов.
Представлен UniM — комплексный набор данных и методология оценки для обучения моделей, способных эффективно взаимодействовать с различными типами информации.
Новая модель Logi-PAR объединяет глубокое обучение и логические правила для более точного анализа поведения пациентов и поддержки клинических решений.
Новая методика позволяет всесторонне протестировать способность нейросетей к структурному рассуждению и выявить слабые места в их логике.
Новый подход к обучению моделей вознаграждения позволяет нейросетям лучше соответствовать человеческим предпочтениям и выдавать более качественные результаты.
Новый подход, основанный на использовании больших языковых моделей, позволяет эффективно проектировать ковалентные органические каркасы (COF) с улучшенной устойчивостью к гидролизу и высокой фотокаталитической активностью.
Исследователи предлагают комплексную систему для внедрения и оценки знаний в больших языковых моделях, применяемых к сложным задачам в науке о горении.
Новый бенчмарк iAgentBench призван проверить, насколько эффективно искусственный интеллект может анализировать большие объемы данных и отвечать на сложные вопросы, требующие интеграции информации из множества документов.