Искусственный интеллект

Искусственный интеллект, действующий самостоятельно: новый взгляд на обучение с подкреплением

от

Агент демонстрирует способность к адаптивному взаимодействию с окружающей средой, что позволяет ему эффективно выполнять поставленные задачи в различных условиях.

Обзор посвящен последним достижениям в области обучения с подкреплением, позволяющим большим языковым моделям действовать как автономные агенты.

Разум машин: как искусственный интеллект открывает новые научные закономерности

от

В рамках исследования представлен метод символьного рассуждения, позволяющий выявлять управляющие уравнения для неизвестных научных систем посредством определения коллективных знаний как кортежа [latex]b_{best}[/latex] и соответствующего результата анализа [latex]\mathcal{R}[/latex] на естественном языке.

Новый подход, объединяющий символьные вычисления и методы коллективного интеллекта, позволяет автономно выводить управляющие уравнения для научных систем, превосходя традиционные методы в объяснимости и экстраполяции.

Управляя длиной: новая модель для предсказуемой генерации текста

от

Исследователи предлагают инновационный подход к контролю над длиной генерируемого текста, позволяющий создавать более предсказуемые и управляемые языковые модели.

Искусственный интеллект на службе у белков: моделирование динамики и структуры

от

Генеративные модели позволяют исследовать динамику белковых структур, обучаясь распределению конформаций на основе структурных данных и создавая ансамбли конформаций путем выборки независимых структур, а также генерируя траектории, используя подходы, варьирующиеся от моделей переходов между кадрами, предсказывающих последующие конформации последовательно, до моделей мгновенной генерации, создающих целые траектории как пространственно-временные последовательности.

Обзор посвящен стремительному развитию методов искусственного интеллекта для прогнозирования поведения белков, от предсказания структуры до моделирования их динамических процессов.

Обучение на данных: новый подход к созданию самообучающихся языковых моделей

от

Программная инженерия, управляемая тестированием, находит прямое соответствие в подходе Programming with Data for AI, где данные рассматриваются как исполняемые артефакты, что позволяет построить цикл компиляции-тестирования-отладки и обеспечивает автоматизированное, саморазвивающееся улучшение моделей.

В статье представлен инновационный метод совершенствования больших языковых моделей, основанный на автоматизированной обработке и синтезе данных.

Адаптивная память для больших языковых моделей: новый подход к оптимизации

от

Обучение модели Qwen3-1.7B демонстрирует зависимость функции потерь от количества обработанных токенов, при этом различные коэффициенты совместного использования кэша KV оказывают влияние на динамику этого процесса.

Исследователи предлагают метод динамического распределения кэша между слоями нейронных сетей, позволяющий снизить потребление памяти без существенной потери производительности.

Личность ИИ: Новая Эра Автономных Агентов

от

В статье рассматриваются ключевые пробелы в инфраструктуре идентификации искусственного интеллекта и предлагается подход, основанный на постоянном сопоставлении заявленных намерений и фактического поведения.

Интеллект на Границе: Возможности Больших Языковых Моделей

от

Рассматриваются различные архитектуры для инференса больших языковых моделей на периферийных устройствах, включающие одиночный узел, вертикальное и горизонтальное сотрудничество, а также гибридные подходы, демонстрирующие возможности масштабирования и оптимизации производительности.

В статье рассматриваются методы развертывания и оптимизации крупных языковых моделей на периферийных устройствах, открывающие новые горизонты для локального искусственного интеллекта.