Мультимодальные сети учатся сами: новый подход к поиску архитектур

Исследователи предлагают метод автоматического поиска оптимальной архитектуры для нейронных сетей, работающих с разными типами данных, без необходимости в огромных объемах размеченных данных.

Искусственный интеллект на службе микроэлектроники: Автоматизация проектирования полупроводниковых приборов

Исследование представляет систему TCADAgent, реализующую сквозное моделирование и оптимизацию полупроводниковых приборов на основе естественного языка, посредством построения специализированного набора данных, контролируемого обучения и многоагентного подхода, позволяющего достичь высокой точности и эффективности симуляций.

Новая платформа, основанная на больших языковых моделях, значительно ускоряет и упрощает процесс разработки и оптимизации транзисторов будущего.

Искусственный интеллект и утечка вопросов: насколько надежны современные экзамены?

Новое исследование показывает, что генерация вопросов для экзаменов с помощью искусственного интеллекта может приводить к неожиданно высокой степени их схожести, даже при использовании специализированных ресурсов.

Искусственный интеллект, планирующий путешествия: новый подход к сложным задачам

Исследователи представили STAgent — систему искусственного интеллекта, способную эффективно решать задачи, требующие планирования во времени и пространстве, например, организацию поездок.

Личные данные под угрозой: как AI-помощники раскрывают секреты пользователей

PrivacyBench представляет собой важнейший инструмент для расширения границ персонализированной генерации, позволяя исследовать системы, которые отличаются не только точностью, но и способностью адаптироваться ко времени, учитывать контекст и уважать социальные нормы.

Новое исследование выявило серьезные уязвимости в системах персонализированного искусственного интеллекта, основанных на технологии RAG, которые приводят к утечке конфиденциальной информации в более чем 15% случаев.

Когда большая языковая модель молчит: как избежать галлюцинаций при ответе на вопросы?

Для повышения точности ответов на запросы используется конвейер, извлекающий релевантные страницы, после чего стандартный подход передает все извлеченные данные и инструкцию в языковую модель, в то время как адаптивный подход последовательно обрабатывает сегменты страниц, отсортированные по релевантности, для генерации ответа.

Новое исследование показывает, что адаптивный подход к поиску и генерации ответов может повысить точность, но проблема «галлюцинаций» остается актуальной даже при наличии достаточного контекста.

Вода под микроскопом: как машинное обучение предсказывает таяние льда

Разность химических потенциалов льда Ih и воды, рассчитанная с использованием моделей, основанных на теории функционала плотности, демонстрирует температурные точки, в которых [latex]\Delta\mu\_{\mathrm{ice}-\mathrm{liq}}(T)=0[/latex], определяющие температуры плавления [latex]T\_{\mathrm{m}}[/latex].

Новое исследование сравнивает точность различных методов машинного обучения при моделировании поведения воды и льда, раскрывая ключевые факторы, влияющие на предсказание фазовых переходов.