Исследования и наука
ShellFlow: генеративные модели в физике высоких энергий
Исследователи представили ShellFlow — модель на базе трансформеров, использующую риманово условное сопоставление потоков (Riemannian flow matching) для моделирования данных Большого адронного коллайдера. Система способна охватить структуру Стандартной модели в диапазоне пяти порядков инвариантной массы, от суб-ГэВ до ТэВ, что превосходит возможности существующих методов генерации данных методом Монте-Карло.
Нейроимплант позволил парализованному пациенту самостоятельно питаться
Исследователи успешно применили технологию нейрошунтирования, восстановив мелкую моторику у пациента с параличом конечностей. Система считывает сигналы головного мозга и передает их на электроды, стимулирующие мышцы рук. В ходе испытаний пациент смог самостоятельно удерживать столовые приборы, подносить еду ко рту и пить из чашки, что стало значимым прорывом в области нейроинтерфейсов.
Когда мультиагентные системы эффективнее одиночных: взгляд через информационное горлышко
Исследователи проанализировали эффективность мультиагентных систем (MAS) по сравнению с одиночными агентами (SAS) через призму теории информационного горлышка. Авторы работы установили, что одиночные модели при решении сложных задач склонны к накоплению избыточной информации, что снижает точность, тогда как разделение ролей между агентами позволяет фильтровать шум и концентрироваться на релевантных данных для достижения результата.
Семантическая передача данных для мобильной 3D-реконструкции в реальном времени
Исследователи представили новый подход к семантической передаче данных для мобильной 3D-реконструкции в реальном времени. Метод оптимизирует передачу потоковых изображений с движущихся платформ на сервер, минимизируя задержки при оценке геометрии сцены и положения камеры. Это решение критически важно для развития автономной навигации и создания цифровых двойников, где требуется мгновенная обработка визуальной информации в динамических условиях.
Сравнение эффективности кодирования данных в LLM: токены, байты и пиксели
Исследователи проанализировали эффективность различных способов представления текстовой информации в языковых моделях. В работе сравниваются традиционные подходы на основе токенов с байтовым и пиксельным кодированием. Авторы контролировали объем лингвистического контента и вычислительные мощности, чтобы выявить, какой метод лучше сохраняет семантическую информацию при одинаковых ограничениях на архитектуру модели.
Как предобучение влияет на эффективность RL-дообучения LLM
Исследователи проанализировали взаимосвязь между этапами предобучения и последующего обучения с подкреплением (RL) в больших языковых моделях. Работа раскрывает, как выбор данных и архитектурные параметры предобучения определяют отдачу от вычислительных ресурсов, затраченных на RL, и объясняет фундаментальные изменения в логических способностях моделей, происходящие в процессе пост-тренинга для улучшения навыков рассуждения.
AlphaFold2 как инструмент для анализа конформационных ландшафтов белков
Исследователи предложили новый метод анализа AlphaFold2, рассматривая его 93 миллиона параметров не просто как инструмент для предсказания структуры белков, а как научный объект. Анализ внутренней архитектуры модели позволяет извлекать данные о конформационной организации белков, которые ранее оставались скрытыми, открывая новые возможности для изучения динамики молекулярных структур через «нейронную спектроскопию».
Борьба с «короткими путями» в ИИ-системах оценки устной речи
Исследователи представили метод борьбы с проблемой «коротких путей» (shortcut reliance) в моделях автоматической оценки устной английской речи. Современные трансформеры часто находят неявные корреляции, игнорируя лингвистическое содержание. Новый подход позволяет принудительно направлять обучение модели на релевантные признаки, повышая точность и надежность автоматизированных систем тестирования в образовательных технологиях.
ИИ-модель для сверхточного прогнозирования осадков в реальном времени
Исследователи представили модель на базе архитектуры U-Net для прогнозирования осадков на ближайшие 10–90 минут. В отличие от традиционных численных методов, требующих сложной инициализации и значительных вычислительных мощностей, нейросетевой подход позволяет оперативно обрабатывать радарные данные, обеспечивая высокую точность прогнозов для управления городскими рисками и предотвращения наводнений в условиях меняющейся погоды.
Почему современные LLM плохо справляются с простым копированием текста
Исследователи обнаружили, что передовые языковые модели испытывают критические трудности с точным копированием входных строк, даже если они находятся внутри контекстного окна. Проблема кроется в архитектурных особенностях Transformer, а именно в позиционном кодировании. Модели склонны полагаться на локальные паттерны, что мешает им воспроизводить длинные последовательности символов без искажений, несмотря на их высокие способности к логическому выводу.
Новый метод пространственной нормализации для сегментации слоев сетчатки на снимках ОКТ
Исследователи представили метод пространственной нормализации для сегментации слоев сетчатки на снимках оптической когерентной томографии (ОКТ). Подход решает проблему вариативности данных и низкого контраста, возникающих при работе с изображениями от разных производителей оборудования. Технология повышает точность извлечения биомаркеров, что критически важно для ранней диагностики нейродегенеративных заболеваний и мониторинга состояния пациентов в клинической практике.
Новый подход к реконструкции генных регуляторных сетей с помощью глубоких вероятностных моделей
Исследователи представили новый метод реконструкции генных регуляторных сетей (GRN), объединяющий глубокое обучение и вероятностное моделирование. Подход позволяет эффективнее связывать факторы транскрипции с целевыми генами, преодолевая ограничения традиционных эвристических методов выбора моделей и неполноты эталонных данных, что критически важно для анализа сложных биологических систем и понимания механизмов экспрессии генов на основе полногеномных данных.
DELUGE: масштабируемая модель для прогнозирования дождевых паводков на базе ИИ
Исследователи представили DELUGE — мультимодальную глубокую нейросеть для ежедневного прогнозирования ущерба от дождевых паводков в масштабах целого континента. Модель использует эмбеддинги фундаментальных моделей для интерпретируемого анализа рисков, преодолевая ограничения традиционных вычислительных методов, которые требуют огромных ресурсов и не подходят для оперативного мониторинга на больших территориях, обеспечивая при этом высокую точность предсказаний.
Влияние ИИ на научные публикации: замедление процессов и рост затрат
Исследование, опубликованное в журнале Science, ставит под сомнение эффективность внедрения генеративного ИИ в академическое издательское дело. Анализ показывает, что массовое использование нейросетей для подготовки рукописей приводит к увеличению времени рецензирования, снижению качества научной аргументации и росту операционных расходов издательств, несмотря на ожидания по автоматизации и ускорению цикла публикаций.
SciForge: мультимодальная платформа для автоматизации научных исследований
Представлена система SciForge — специализированная мультимодальная среда для научных исследований, решающая проблему фрагментации данных. Платформа объединяет статьи, программный код, наборы данных и результаты моделирования в единый аудируемый рабочий процесс. В отличие от универсальных ИИ-ассистентов, SciForge сохраняет контекст научного поиска, позволяя исследователям делегировать рутинную обработку артефактов ИИ, сохраняя за собой право финального экспертного суждения.
Ограниченное обучение Хебба для эффективного распределения синаптических ресурсов
Исследователи представили новый подход к обучению нейронных сетей, основанный на принципах биологического обучения Хебба в условиях жестких структурных ограничений. Метод позволяет эффективно распределять синаптические ресурсы, минимизируя избыточность данных и оптимизируя сжатие информации. Это приближает архитектуры искусственных нейросетей к энергоэффективным механизмам обработки сигналов, характерным для живых организмов, сталкивающихся с метаболическими лимитами.
MSE-GLM: новый подход к детерминированным графовым языковым моделям
Исследователи представили архитектуру MSE-GLM (Zero Weights Deterministic Graph Language Model), предлагающую альтернативный подход к обработке данных в языковых моделях. В отличие от традиционных нейросетей, опирающихся на обучаемые веса, данная модель использует детерминированные графовые структуры для представления и генерации текста, что потенциально снижает вычислительные затраты и повышает интерпретируемость результатов.
OpenTSLM: языковые модели для анализа многомерных временных рядов
Исследователи представили OpenTSLM — архитектуру языковых моделей, адаптированную для анализа сложных многомерных временных рядов. В отличие от классических методов, модель использует механизмы рассуждения LLM для обработки числовых данных, что позволяет эффективно выявлять закономерности в крупномасштабных наборах данных и улучшать точность прогнозирования в задачах с высокой размерностью и сложными временными зависимостями.
Principia Artificialis: запуск открытой программы математических исследований ИИ
Проект Principia Artificialis представил открытую исследовательскую программу, направленную на создание строгой математической теории искусственного интеллекта. Инициатива систематизирует фундаментальные принципы работы нейронных сетей, стремясь перейти от эмпирических наблюдений к доказательным моделям. Программа охватывает ключевые аспекты обучения, архитектурной динамики и механизмов обобщения, предлагая сообществу структурированную базу для теоретического анализа современных алгоритмов.
Пять исследований о влиянии ИИ на продуктивность инженеров
Аналитический обзор пяти ключевых научных работ пересматривает устоявшиеся представления о том, как генеративный ИИ влияет на работу программистов. Исследования показывают, что влияние инструментов на скорость разработки неоднозначно: в то время как простые задачи выполняются быстрее, сложные процессы требуют более глубокой интеграции ИИ, а общая эффективность зависит от опыта разработчика и качества контекста.
Исследование DS4: как латентное рассуждение меняет логику LLM
Исследователи представили метод DS4 (Deep Search, Deep Synthesis, Deep Selection, Deep Strategy), направленный на улучшение логического мышления языковых моделей. В отличие от стандартных подходов, DS4 фокусируется на латентном рассуждении, позволяя модели глубже анализировать контекст и избегать типичных когнитивных искажений, таких как гендерные стереотипы при решении логических задач.
Ring-Zero: масштабирование обучения с подкреплением до триллиона параметров
Исследователи представили Ring-Zero — новый подход к обучению моделей с подкреплением (RL), позволяющий масштабировать системы до триллиона параметров. Метод направлен на развитие эмерджентных способностей к рассуждению, преодолевая ограничения традиционных алгоритмов RL при работе с гигантскими архитектурами. Результаты показывают значительный прогресс в способности моделей решать сложные логические задачи за счет оптимизации процесса обучения без учителя.
ИИ помог решить 30-летнюю задачу в области выпуклой оптимизации
Модель GPT-5.6 Sol Pro успешно справилась с математической задачей в области выпуклой оптимизации, которая оставалась нерешенной на протяжении 30 лет. Использование специализированного ИИ-инструмента позволило найти доказательство и алгоритмическое решение, что демонстрирует потенциал больших языковых моделей в качестве ассистентов для фундаментальных научных исследований и решения сложных вычислительных проблем, ранее требовавших десятилетий работы экспертов.
Метод Partition, Prompt, Aggregate для повышения точности LLM
Исследователи представили метод Partition, Prompt, Aggregate (PPA), направленный на улучшение логических выводов LLM через использование закона полной вероятности. Подход разбивает сложные задачи на подмножества, анализирует их независимо и агрегирует результаты, что позволяет модели достигать более высокой статистической согласованности ответов и снижать вероятность галлюцинаций при выполнении многошаговых рассуждений.