Искусственный интеллект

Визуальный интеллект: адаптация инструментов для сложных задач

от

AdaReasoner демонстрирует способность к адаптивному и обобщенному использованию инструментов, что позволяет системе динамически подстраиваться под различные задачи и эффективно применять доступные ресурсы.

Новая разработка позволяет мультимодальным моделям самостоятельно выбирать и комбинировать инструменты для более эффективного решения задач визуального рассуждения.

Глубина имеет значение: новая архитектура для сверхглубоких языковых моделей

от

Архитектурные улучшения, реализованные в Keel, обеспечивают стабильную оптимизацию ультраглубоких нейронных сетей, демонстрируя превосходство над Pre-LN по всем параметрам - от поддержания сглаженной сходимости при агрессивных скоростях обучения до повышения выразительности модели, особенно в задачах, требующих навыков в математике и программировании (на 16.5%), и последовательного превосходства в сетях различной глубины (от 64 до 1024 слоёв).

Исследователи представили архитектуру Keel, позволяющую стабильно обучать трансформаторные сети экстремальной глубины и значительно повысить их выразительность.

Наука на новом языке: Модель Innovator-VL открывает горизонты исследований

от

Модель Innovator-VL-8B демонстрирует разносторонние возможности, достигая высоких результатов на общих бенчмарках, а также проявляя сильные аналитические навыки в математических и научных задачах, при этом средний балл по выбранным моделям служит ориентиром для оценки эффективности.

Представлена инновационная мультимодальная модель, способная эффективно анализировать научные данные и понимать сложные химические структуры.

Когда Искусственный Интеллект Перерастает Экзаменаторов

от

Оценка математических способностей современных моделей, таких как Claude Sonnet 4.5, DeepSeek v3.2, Gemini 3 Pro, GPT-5 и Kimi K2 Thinking, на отфильтрованном наборе данных Omni-MATH-2 показывает, что расхождения в оценках, обусловленные субъективностью экспертов, а не случайными ошибками в разметке, приводят к изменению относительного рейтинга моделей и особенно усиливаются при решении сложных задач, демонстрируя зависимость результатов от выбора эксперта и специфики предметной области, например, в области математического анализа для моделей Claude и DeepSeek.

Новое исследование показывает, что современные системы ИИ достигают пределов точности не из-за собственных ограничений, а из-за несовершенства методов оценки.

Самообучающиеся бизнес-процессы: новый уровень автоматизации

от

Многоуровневая архитектура агенторной BPM-системы позволяет структурировать процессы и задачи, обеспечивая гибкость и масштабируемость при автоматизации бизнес-операций.

В статье представлена концепция систем управления бизнес-процессами, способных к автономному выполнению, адаптации и оптимизации благодаря использованию интеллектуальных агентов.

ИИ-агенты под контролем: новая система диагностики безопасности

от

Оценка точности модели AgentDoG на трех эталонных наборах данных для бинарной классификации безопасности и на ATBench для гранулярной классификации демонстрирует ее превосходство над существующими универсальными и защитными моделями в выявлении небезопасного поведения.

Представлена AgentDoG — платформа для оценки и повышения безопасности автономных ИИ-агентов, способная предвидеть и предотвращать нежелательное поведение.

Визуальный интеллект: как машины учатся мыслить образами

от

Современные мультимодальные модели расширяют возможности логических умозаключений, переходя от преимущественно вербального, символического моделирования мира, характерного для больших языковых моделей, к визуальной генерации, что позволяет создавать более реалистичные и человекоподобные модели, особенно в задачах, связанных с физическим миром и опирающихся на сочетание вербальной и визуальной информации, подобно тому, как это происходит в когнитивных процессах человека.

Новый подход к мультимодальному обучению позволяет искусственному интеллекту решать задачи, требующие пространственного мышления и понимания физического мира, благодаря генерации изображений.

Искусственный интеллект на железе: новая архитектура для сверхбыстрого вывода

от

Программный комплекс AI\_FPGA\_Agent обеспечивает автоматизированный переход от программного обеспечения к аппаратной реализации посредством взаимодействия прикладного уровня с фреймворком, системой моделирования на основе SystemC и драйвером аппаратного ускорителя, при этом системная верификация осуществляется через тестовую среду SystemC и поведенческую модель перед синтезом финального битового потока для FPGA и развертыванием аппаратного ускорителя.

В статье представлена инновационная платформа, объединяющая гибкие возможности FPGA и интеллектуальное программное обеспечение для значительного ускорения задач машинного обучения.