Биомедицинские статьи под присмотром ИИ: возможности и ограничения

В новой работе исследователи оценили, насколько хорошо большие языковые модели справляются с автоматической классификацией научных статей в области биологии и медицины.

Поиск или Стратегия: Как Искусственный Интеллект Работает с Документами

Новое исследование показывает, что современные системы искусственного интеллекта часто уступают людям в эффективном анализе больших объемов текстовой информации.

Плазма под контролем: дифференцируемое программирование открывает новые горизонты

Дифференцируемое программирование преобразует традиционные итеративные процессы - от ручного подбора параметров с вычислительной сложностью [latex]\mathcal{O}(k^{N})[/latex] до оптимизации на основе градиента и, наконец, к обучению функций посредством нейронных сетей, встроенных в дифференцируемые решатели, расширяя возможности моделирования за пределы простого анализа и открывая путь к адаптивным системам.

Новый подход позволяет решать сложные задачи физики плазмы, переосмысливая их как задачи оптимизации и обратного проектирования.

Автоматическое создание высокопроизводительных сред для обучения с подкреплением

Новый подход позволяет быстро и экономично генерировать сложные симуляции, открывая возможности для создания и оптимизации алгоритмов искусственного интеллекта.

Разумные машины: Как оценить психологическое мышление искусственного интеллекта

Модель принятия технологий выявляет, что восприятие полезности и простоты использования напрямую влияет на намерение пользователя применять инновацию, формируя ключевой механизм внедрения новых решений.

Новое исследование демонстрирует возможность применения психометрических методов для оценки способности больших языковых моделей к психологическому рассуждению.

Визуальная генерация под контролем: новый подход к управлению процессом

Опираясь на нечеткий визуальный ориентир, метод способен генерировать детализированный результат без необходимости обучения, демонстрируя способность к извлечению скрытой информации из минимальных данных.

Исследователи предлагают инновационный метод, позволяющий более точно управлять генерацией изображений, не требуя предварительной подготовки данных или знания параметров модели.

Накапливая опыт: мультимодальные агенты, которые учатся на ходу

В условиях мультимодальной задачи агент, использующий метод XSkill, демонстрирует способность преодолевать разрыв между визуальной и семантической информацией, извлекая релевантный опыт и связывая его со структурированными фрагментами навыков, что позволяет адаптироваться к контексту и формировать обоснованный план действий, включающий вращение и обрезку изображения для успешной идентификации объектов, в отличие от базового агента, неспособного справиться с этой задачей.

Новая архитектура XSkill позволяет агентам непрерывно совершенствовать свои навыки использования инструментов и решения задач, опираясь на накопленный опыт, без необходимости переобучения модели.

Моделирование молекул: новый подход к предсказанию свойств веществ

Исследование сравнительной эффективности моделей машинного обучения, обученных на различных наборах дескрипторов для предсказания температуры кипения, выявило, что гибридные модели, объединяющие термодинамические данные молекулярной динамики (на основе OPLS4 и OpenFF-2.0.0) с хемоинформационными дескрипторами, демонстрируют наилучшую точность, при этом ключевую роль играют такие термодинамические характеристики, как теплота парообразования, дополненные структурными дескрипторами, такими как молекулярный вес и площадь поверхности Ван-дер-Ваальса.

Исследователи разработали метод, объединяющий молекулярную динамику и машинное обучение для более точного предсказания температуры кипения сложных химических соединений.