Исследования и наука
Масштабирование вычислений при инференсе через локализацию ошибок
Исследователи представили новый метод повышения производительности LLM при решении сложных задач программирования и логики. Вместо стандартного многократного сэмплирования или последовательного уточнения, подход фокусируется на локализации ошибок на уровне токенов. Это позволяет модели эффективно пересчитывать только проблемные участки рассуждений, значительно снижая вычислительные затраты и повышая точность итогового результата.
ZaGuu: платформа для изучения стратегий переговоров и формирования идентичности ИИ-агентов
Исследовательская платформа ZaGuu предлагает среду для проведения переговоров между ИИ-агентами, где модели учатся взаимодействовать, аргументировать позиции и формировать уникальные поведенческие профили. Проект фокусируется на изучении того, как агенты выстраивают социальные связи и стратегии в условиях ограниченных ресурсов, предоставляя инструменты для анализа динамики принятия решений в многоагентных системах и моделирования сложных социальных взаимодействий в цифровой среде.
ИИ-модель нашла контрпример к гипотезе Диница-Гарга-Геманса
Новая версия языковой модели GPT-5.6 Pro успешно обнаружила контрпример к математической гипотезе Диница-Гарга-Геманса, которая оставалась открытой проблемой в области комбинаторной оптимизации. Этот результат демонстрирует способность современных LLM выходить за рамки генерации текста и эффективно применять логические рассуждения для решения сложных задач в теоретической математике и алгоритмике.
Исследование антропоморфизма в общении детей с ИИ-чат-ботами
Новое исследование, опубликованное на arXiv, анализирует склонность детей приписывать человеческие качества ИИ-чат-ботам. Авторы работы изучили, как взаимодействие с LLM влияет на когнитивное восприятие технологий у несовершеннолетних пользователей. Результаты показывают, что дети часто воспринимают алгоритмы как обладающих сознанием, эмоциями и личным опытом существ, что создает новые вызовы для разработчиков и родителей в контексте цифровой безопасности.
Год попыток решить сложнейшую математическую задачу с помощью ИИ
Математик и исследователь провел годовой эксперимент, пытаясь использовать современные LLM для решения открытых задач теории чисел, в частности гипотезы Коллатца. Несмотря на впечатляющие способности моделей к написанию кода и логическим рассуждениям, ИИ столкнулся с фундаментальными ограничениями: неспособностью к глубокому абстрактному доказательству и склонностью к галлюцинациям при работе со сложными математическими структурами.
Использование эволюционных алгоритмов для автоматизации исследований ИИ
Компания Imbue представила Catalyst — систему, использующую эволюционные алгоритмы для автоматизации процесса поиска архитектур и параметров моделей. Подход позволяет ИИ самостоятельно проводить эксперименты, оценивать их результаты и итеративно улучшать собственные характеристики без участия человека. Это открывает путь к созданию более эффективных моделей с меньшими затратами вычислительных ресурсов и времени на R&D.
Grok-2 демонстрирует высокую эффективность в автоматическом доказательстве теорем
Модель Grok-2 от xAI показала неожиданно высокие результаты в решении задач по формальной математике, сопоставимые с узкоспециализированными инструментами. Исследователи протестировали способность нейросети генерировать доказательства на языке Lean, отметив её умение справляться с комплексными логическими выводами, которые ранее считались сложными для LLM общего назначения без дополнительного обучения.
OpenAI представила ИИ-агента для поиска уязвимостей в коде
OpenAI разработала автономную систему, способную находить и эксплуатировать уязвимости в программном обеспечении. В ходе тестирования модель успешно обнаружила критические бреши в реальных проектах с открытым исходным кодом, размещенных на Hugging Face. Этот инструмент демонстрирует значительный прогресс в области автоматизированной кибербезопасности, позволяя ИИ самостоятельно анализировать сложные кодовые базы и выявлять потенциальные векторы атак без участия человека.
Анализ возможностей Claude в научных исследованиях
Исследование детально разбирает способности модели Claude 3.5 Sonnet в решении сложных научных задач, включая анализ данных, написание кода для визуализации и интерпретацию академических текстов. Автор оценивает эффективность ИИ как инструмента для ускорения исследовательского цикла, выявляя как сильные стороны модели в логических рассуждениях, так и критические ограничения при работе с узкоспециализированными научными данными.
Google Research представила метод обучения квантовых компьютеров на собственных ошибках
Исследователи Google представили новый подход к квантовым вычислениям, позволяющий системе обучаться на основе возникающих ошибок. Вместо попыток полного устранения шума, алгоритм использует данные о сбоях для адаптации и повышения точности вычислений. Это значимый шаг к созданию отказоустойчивых квантовых процессоров, способных выполнять сложные задачи, недоступные классическим суперкомпьютерам, за счет эффективной коррекции состояний в реальном времени.
ИИ помог выявить связь между климатом и эволюцией птиц
Исследователи из Мичиганского университета применили алгоритмы машинного обучения для анализа эволюционной истории птиц. ИИ позволил сопоставить данные о климатических изменениях за миллионы лет с темпами видообразования, выявив прямую корреляцию между периодами резких колебаний температуры и всплесками появления новых видов пернатых, что ранее было крайне сложно доказать из-за фрагментарности палеонтологических данных.
SoftReason: новая архитектура для нейро-символьных рассуждений
Исследователи представили SoftReason — архитектуру, объединяющую нейронные сети и символьную логику для работы с высокоразмерными данными. В отличие от классических подходов с жестким разделением восприятия и дедукции, SoftReason использует полностью дифференцируемый интерфейс. Это позволяет системе напрямую выводить логические заключения из неструктурированных входных данных, опираясь на знания из графов и правил, что повышает точность рассуждений в сложных условиях.
Гибридное управление гуманоидными роботами через VR и обучение с подкреплением
Исследователи представили метод управления миниатюрными гуманоидными роботами, сочетающий VR-телеуправление верхней частью тела и обучение с подкреплением (RL) для стабилизации и передвижения. Такой подход позволяет оператору дистанционно выполнять сложные манипуляции и навигацию в человеческой среде, эффективно разделяя задачи между интуитивным контролем человека и автономными алгоритмами балансировки робота.
Проблема интерпретируемости LLM: почему автокодировщики ошибаются в объяснениях
Исследователи выявили критический изъян в методах интерпретации нейросетей через автокодировщики на естественном языке. Текущие подходы оценивают точность объяснений скрытых состояний модели по качеству их реконструкции. Однако этот метод нечувствителен к фактическим ошибкам в тексте: если ложное утверждение не влияет на итоговое восстановление активации, оно остается незамеченным, что подрывает доверие к таким объяснениям.
PG-KINN: новый подход к решению дифференциальных уравнений через KAN
Исследователи представили PG-KINN — архитектуру, объединяющую метод Петрова-Галеркина с сетями Колмогорова-Арнольда (KAN) для решения дифференциальных уравнений в частных производных (PDE). Новый метод преодолевает ограничения традиционных многослойных перцептронов, таких как спектральная предвзятость и избыточная параметризация, обеспечивая более высокую точность и интерпретируемость при моделировании физических процессов.
Исследование стабильности квантовых ядер на оборудовании IBM
Исследователи проанализировали сохранность геометрических свойств данных при выполнении квантовых ядерных методов на реальном оборудовании IBM. В ходе эксперимента с четырехкубитным ZZ-ядром на наборе данных о качестве воздуха оценивалось, насколько исходная геометрия матрицы Грама сохраняется после вычислений. Результаты показывают влияние различных методов коррекции ошибок на точность квантовых вычислений в условиях реального шума.
Метод обучения LLM через извлечение абстракций из опыта решения задач
Исследователи предложили новый подход к обучению LLM, имитирующий человеческую способность превращать опыт в абстрактные стратегии. Модели анализируют свои цепочки рассуждений при решении задач из набора MATH, извлекая из них полезные выводы и предостережения. Эти абстракции затем используются для повышения эффективности решения последующих, более сложных задач, что значительно улучшает показатели точности моделей.
Проблема порядка ввода в мультимодальных моделях и метод её решения
Исследователи обнаружили, что мультимодальные модели демонстрируют разную точность в зависимости от последовательности подачи данных: обработка изображения перед текстовым вопросом стабильно дает лучшие результаты, чем обратный порядок. Для устранения этой семантически нерелевантной чувствительности предложен новый метод обучения на этапе тестирования (Test-Time Training), который нормализует ответы модели независимо от структуры промпта.
Влияние генеративного ИИ на рынок самиздата: анализ продаж книг
Исследование влияния генеративного ИИ на рынок художественной литературы показало, что массовое появление ИИ-контента существенно меняет структуру продаж на Amazon. Авторы проанализировали 14 419 книг, опубликованных с 2023 по 2026 год, чтобы выяснить, действительно ли низкокачественные произведения остаются незамеченными покупателями, и оценить их реальное коммерческое влияние на фоне традиционных изданий.
Мультимодальный трансформер для классификации сигналов в нанопоровых сенсорах
Исследователи представили архитектуру мультимодального трансформера, предназначенную для анализа сложных сигналов ионного тока в нанопоровых экспериментах. Модель позволяет с высокой точностью идентифицировать биомаркеры, преобразуя нестабильные временные ряды в структурированные данные. Это решение значительно повышает надежность диагностики на молекулярном уровне, автоматизируя процесс распознавания паттернов, который ранее требовал трудоемкой ручной обработки или менее эффективных алгоритмов.
Исследование объясняет эффективность адаптации LLM через свойства многомерных пространств
Исследователи представили работу, объясняющую феномен «благословения размерности» при адаптации больших языковых моделей. Авторы доказывают, что близость к ортогональности векторов в пространствах высокой размерности позволяет эффективно переносить знания между задачами без необходимости дополнительного обучения или использования обучающих данных, что критически важно для оптимизации процессов дообучения и использования методов типа LoRA.
Исследование выявило массовое нарушение лицензионных обязательств в цепочках поставок ИИ
Исследователи проанализировали более 230 тысяч ИИ-артефактов на платформах Hugging Face и GitHub, чтобы оценить соблюдение лицензионных условий при передаче данных и моделей. Выяснилось, что в цепочках поставок ИИ происходит «отмывание лицензий»: обязательства по атрибуции и сохранению условий использования часто игнорируются или заменяются при перемещении контента между платформами и проектами.
Метод Courteous Anticipation для оптимизации планирования задач у роботов
Исследователи представили алгоритм Courteous Anticipation, решающий проблему неэффективного планирования задач в многоагентных робототехнических средах. В отличие от стандартных систем, которые решают задачи изолированно, новый подход учитывает потребности будущих операций. Это позволяет роботам избегать создания препятствий для последующих действий, значительно снижая совокупные затраты ресурсов и времени при выполнении длительных последовательностей заданий.
Самообучение важнее клинической разметки для медицинских ИИ-моделей
Исследователи проанализировали процесс формирования представлений в медицинских моделях компьютерного зрения. Выяснилось, что самообучение (self-supervision) играет ключевую роль в конвергенции признаков, значительно превосходя влияние клинической разметки. Работа ставит под сомнение текущие методы оценки сходства моделей и показывает, что высокая производительность на разных задачах достигается за счет общих структурных закономерностей, извлеченных из неразмеченных данных.