Новая серия моделей Моксин, включая Моксин-7B и его мультимодальные расширения, демонстрирует впечатляющие результаты и подчеркивает важность полной прозрачности в разработке ИИ.
Новое исследование показывает, что человеческий глаз все труднее различает подлинные фотографии и изображения, созданные искусственным интеллектом.
В новой работе представлена система UltraShape 1.0, позволяющая генерировать высококачественные 3D-модели с беспрецедентным уровнем детализации и масштабируемостью.
Исследователи предлагают инновационную архитектуру, объединяющую возможности веб-технологий и больших языковых моделей для создания устойчивых и управляемых сред для агентов ИИ.
![При увеличении вычислительных ресурсов для обучения, модель TTT-E2E демонстрирует тенденцию, схожую с полномасштабным вниманием, особенно при больших бюджетах, при этом результаты, представленные для DCLM с длиной контекста 8K после предварительного обучения и для Books с длиной контекста 32K после тонкой настройки, показывают, что снижение потерь [latex] \downarrow \downarrow [/latex] и метрики theyy-value коррелируют с масштабированием модели и объемом обучающих токенов.](https://arxiv.org/html/2512.23675v1/x8.png)
Исследователи предлагают метод адаптации языковых моделей непосредственно во время использования, что позволяет улучшить обработку длинных последовательностей без значительных вычислительных затрат.
![Динамические системы, особенно биологические, функционируют как иерархические сети, где на каждом уровне [latex]\mathcal{S}\_{i}[/latex] возникают уникальные ограничения [latex]\Omega(\mathcal{S}\_{i})[/latex], взаимодействующие с ограничениями нижних уровней [latex]\Gamma(\mathcal{S}\_{i})[/latex] и описываемые набором неавтономных (и потенциально стохастических) дифференциальных уравнений, что позволяет моделировать сложную динамику многоуровневых систем посредством анализа взаимозависимостей между уровнями организации.](https://arxiv.org/html/2512.22651v1/x5.png)
В статье представлена унифицированная концепция, рассматривающая живые организмы как сложные адаптивные сети, управляемые энергетическими, информационными и эволюционными принципами.
Новое исследование показывает, что стандартные методы параметрической эффективности не всегда оптимальны для обучения с подкреплением, требующего верификации наград.
Новый ИИ-агент автоматизирует процессы моделирования материалов, значительно сокращая время на настройку и повышая надежность результатов.
Представлен HiSciBench — комплексный инструмент для оценки способности искусственного интеллекта понимать, анализировать и синтезировать научные знания в различных областях.
Исследователи разработали метод, использующий анализ графов причинно-следственных связей для более точной локализации проблем в больших кодовых базах.