Исследования и наука
WAM-Diff2: новый метод дистилляции для ускорения VLA-моделей в беспилотном вождении
Исследователи представили WAM-Diff2 — метод иерархической дистилляции, который переносит знания из авторегрессионных Vision-Language-Action (VLA) моделей в диффузионные политики. Решение позволяет преодолеть проблему высокой задержки при последовательном декодировании, обеспечивая параллельное выполнение задач управления. Это повышает эффективность работы систем автономного вождения, сохраняя при этом точность принятия решений, характерную для крупных предобученных моделей.
Исследование феномена «доброкачественного переобучения» в линейных моделях
Исследователи представили теоретическую модель, объясняющую парадокс «доброкачественного переобучения» (benign misfitting) в линейной регрессии. Работа анализирует поведение моделей в условиях, когда ошибка на обучающей выборке не коррелирует с ошибкой на тестовых данных. Авторы доказывают, что при определенных условиях избыточная параметризация позволяет эффективно игнорировать шум, сохраняя высокую точность предсказаний на новых данных.
KING: универсальная нейросеть для оценки движения колесных и шагающих роботов
Исследователи представили KING (Kinematic Graph Neural Network) — архитектуру графовых нейронных сетей, предназначенную для унифицированного представления движения роботов. Модель позволяет эффективно оценивать одометрию как для шагающих, так и для колесных платформ, преодолевая ограничения традиционных кинематических методов, которые часто не справляются с нелинейными эффектами и деградацией сенсоров в сложных условиях эксплуатации.
MedUPS: новый подход к поддержке принятия врачебных решений в сложных случаях
Исследователи представили MedUPS — фреймворк для оценки способности LLM помогать врачам в диагностике редких и нестандартных медицинских случаев. В отличие от существующих бенчмарков, фокусирующихся только на итоговом диагнозе, MedUPS оценивает последовательность клинических решений, включая выбор необходимых анализов и методов визуализации, что критически важно при работе в условиях неопределенности и неполных данных.
Fused Bayesian Flow Networks для дизайна молекул с двойной мишенью
Исследователи представили архитектуру Fused Bayesian Flow Networks (FBFN), предназначенную для генерации 3D-структур молекул, способных взаимодействовать с двумя белками-мишенями одновременно. Метод решает проблему полифармакологии, позволяя создавать соединения для терапии сложных заболеваний, где воздействие на один белок недостаточно эффективно. Подход превосходит существующие генеративные модели, фокусирующиеся на последовательностях, обеспечивая более точную пространственную конфигурацию молекул.
Иерархическая индукция Соломонова: новый подход к машинному обучению
Исследователи представили модель иерархической индукции Соломонова (HSI), которая адаптирует классическую теорию индукции Соломонова для задач экстраполяции данных. В отличие от стандартного метода, HSI использует теорему де Финетти об обмениваемых распределениях, позволяя строить гиперприоры над всеми возможными алгоритмами. Это приближает теоретически идеальную модель предсказания к практическим задачам обучения, которые решают современные большие языковые модели.
Систематизация технического долга в агентных ИИ-системах
Исследователи представили классификацию технического долга, специфичного для агентных ИИ-систем. В отличие от традиционных ML-пайплайнов, агентные архитектуры с автономным рассуждением, многоагентным взаимодействием и динамическим использованием инструментов создают новые категории рисков. Работа систематизирует причины возникновения такого долга и его проявления, предлагая фреймворк для оценки устойчивости сложных автономных систем в процессе их жизненного цикла.
Новый метод обучения моделей для анализа транскриптомики одиночных клеток
Исследователи представили метод контрастивного предобучения для моделей анализа транскриптомики одиночных клеток. В отличие от традиционных подходов, сфокусированных на реконструкции замаскированных значений генов, новый алгоритм оптимизирует целостные представления клеток. Это позволяет моделям лучше улавливать биологические закономерности, необходимые для решения прикладных задач, таких как классификация типов клеток и предсказание состояний тканей, повышая общую точность анализа данных.
Новый метод аудита научных открытий, совершенных ИИ
Исследователи предложили двухсторонний критерий для проверки научных утверждений, выдвигаемых ИИ-системами. В отличие от стандартных бенчмарков, которые часто смешивают реальные прорывы с результатами простого перебора или адаптации к ошибкам оракула, новый метод вводит формально доказуемую «отрицательную сторону». Это позволяет отсеивать ложные открытия и верифицировать истинную новизну в автоматизированных научных исследованиях.
Исследование: насколько надежны ИИ-модели в роли синтетических респондентов
Исследователи проанализировали использование LLM в качестве синтетических участников социологических опросов и экономических экспериментов. На примере панели из 16 конфигураций GPT-4.1 в стратегических играх выяснилось, что модели успешно проходят базовые проверки на соответствие человеческим данным, однако их ответы могут быть неточными при оценке специфических причинно-следственных связей и реакций на внешние воздействия.
Search-GRT: новый метод обучения агентов для многошагового поиска
Исследователи представили метод Search-GRT, оптимизирующий работу LLM с поисковыми системами в задачах многошагового поиска ответов (MHQA). Технология направлена на устранение каскадных ошибок, возникающих при декомпозиции сложных запросов. Обучение агентов с использованием этого подхода позволяет значительно повысить точность извлечения данных и последующего синтеза ответов из множества разрозненных источников информации.
ИИ открывает новую эру в изучении когнитивных способностей приматов
Исследователи из Университета Эмори применили алгоритмы машинного обучения для анализа поведения диких приматов, что позволило автоматизировать сбор данных, ранее требовавший тысяч часов ручного наблюдения. ИИ-системы распознают сложные социальные взаимодействия и мимику особей в естественной среде, обеспечивая высокую точность фиксации когнитивных процессов, которые ранее оставались недоступными для детального количественного анализа в полевых условиях.
Реконструкция визуальных образов по активности мозга с помощью ИИ
Исследователи из Принстонского университета представили метод реконструкции визуальных образов, которые видит человек, основываясь исключительно на данных активности его мозга. Используя нейросетевые архитектуры для анализа сигналов МЭГ, ученым удалось с высокой точностью восстановить динамические сцены, что открывает новые возможности в нейроинтерфейсах и понимании механизмов человеческого восприятия через глубокое обучение.
Исследование: почему LLM испытывают трудности с многошаговым планированием
Исследователи проанализировали способность больших языковых моделей к решению задач, требующих последовательного планирования, и выявили фундаментальные ограничения. В работе показано, что стандартные методы авторегрессионной генерации часто приводят к ошибкам в долгосрочных стратегиях, так как модели не способны эффективно оценивать последствия своих действий на несколько шагов вперед, что критически важно для сложных агентных систем.
Влияние LLM на научную продуктивность: прогноз исследователей
Новое моделирование, опубликованное в Nature, предсказывает, что массовое внедрение LLM в научную среду приведет к росту объема публикаций при одновременном снижении их качества. Ученые смогут обрабатывать больше данных и быстрее писать тексты, однако автоматизация может привести к поверхностному анализу, потере оригинальности и снижению глубины научных открытий в долгосрочной перспективе.
Сжатие LLM: почему высокая точность не гарантирует безопасность ответов
Исследователи обнаружили, что методы сжатия LLM, такие как квантование и прунинг, позволяют моделям сохранять высокую точность на стандартных бенчмарках, но при этом провоцируют рост галлюцинаций. Даже при прохождении автоматических проверок качества сжатые модели начинают чаще выдумывать факты, что ставит под сомнение надежность оптимизированных систем в критических сценариях использования.
ИИ совершает прорывы в решении нерешенных математических задач
Использование больших языковых моделей для решения сложных математических задач привело к значимым результатам, включая опровержение гипотезы о единичном расстоянии. Лауреат Филдсовской премии Тимоти Гауэрс подтвердил, что модель GPT 5.6 Pro успешно справилась с двумя задачами, над которыми он работал долгое время. Эти успехи ставят перед научным сообществом вопросы о будущем математической культуры и необходимости сохранения глубокой экспертизы.
Автономная разработка биологических ИИ-моделей
Компания Phylo представила платформу BioMNI, предназначенную для автоматизированного создания биологических ИИ-моделей. Система самостоятельно проходит циклы проектирования, обучения и оценки моделей, используя специфические биологические наборы данных. Это позволяет ускорить разработку инструментов для анализа генетических последовательностей и молекулярных структур, сокращая время на ручную настройку архитектур нейронных сетей и подготовку данных.
Новые подходы к моделированию переговоров между ИИ-агентами
Исследователи предложили уточненную методологию для анализа стратегий переговоров в системах с искусственным интеллектом. Авторы вводят понятие «табу-равновесия», чтобы устранить концептуальную путаницу в существующих игровых моделях. Новый подход позволяет более точно предсказывать поведение автономных агентов в ситуациях, требующих достижения соглашений, что критически важно для разработки безопасных и предсказуемых многоагентных систем в будущем.
Влияние внешности ИИ-аватаров на процесс найма персонала
Исследование ACM показало, что визуальные характеристики ИИ-аватаров существенно влияют на восприятие кандидатами процесса найма. Пользователи склонны приписывать ИИ-рекрутерам разные уровни компетентности и предвзятости в зависимости от их антропоморфных черт, пола и этнической принадлежности. Это создает новые вызовы для HR-департаментов, внедряющих автоматизированные системы интервьюирования и оценки соискателей в корпоративную практику.
ИИ-модель помогла доказать существование не-софических групп
Исследователи OpenAI использовали языковую модель для решения фундаментальной математической задачи, доказав существование не-софических групп. Это достижение подтверждает гипотезу, которая оставалась открытой в теории групп на протяжении десятилетий. Использование ИИ в качестве инструмента для поиска математических доказательств открывает новые возможности в фундаментальной науке, позволяя автоматизировать перебор сложных логических конструкций и проверку гипотез.
Десять достижений OpenAI в математике и теоретической информатике
OpenAI опубликовала отчет, в котором представлены десять значимых математических доказательств и решений задач теоретической информатики, полученных с помощью моделей семейства o1. Исследование демонстрирует способность ИИ к рассуждениям в сложных дисциплинах, включая комбинаторику, теорию чисел и алгоритмический анализ, подтверждая эффективность новых методов обучения с подкреплением в задачах, требующих многошаговой логики.
Биологические алгоритмы навигации: как плодовые мушки отслеживают запахи
Исследователи изучили механизмы навигации плодовых мушек (Drosophila), которые позволяют насекомым находить источник запаха в условиях турбулентных потоков воздуха. Изучение этих биологических стратегий поиска помогает ученым лучше понять принципы принятия решений в условиях неопределенности, что находит прямое применение в разработке алгоритмов для автономных роботов и систем поиска источников утечек или загрязнений.
ИИ помог доказать существование не-софических групп в математике
Математики с помощью GPT-4 решили давнюю проблему в теории групп, доказав существование так называемых не-софических групп. Исследователи использовали языковую модель для генерации и проверки идей, что позволило преодолеть тупик в поиске контрпримеров. Это достижение демонстрирует эффективность LLM как инструмента для поиска новых математических доказательств и формализации сложных теоретических концепций.