Исследования и наука
Оптимизация обработки видео в мультимодальных моделях через разреженную адаптацию
Исследователи представили метод адаптации мультимодальных LLM для анализа видео, решающий проблему «визуального узкого горлышка». Вместо обработки всех кадров, что вычислительно затратно, предложенный подход позволяет эффективно работать с разреженными последовательностями из 8–16 кадров. Это обеспечивает точную пространственно-временную локализацию событий, сохраняя высокую производительность моделей при масштабировании на видеоплатформах с огромным потоком контента.
Новый метод обучения LLM для долгосрочного планирования и обновления убеждений
Исследователи из BAIR представили метод ABBEL, обучающий языковые модели динамически обновлять свои внутренние представления в процессе взаимодействия. В отличие от стандартных LLM, которые полагаются на фиксированные веса, ABBEL позволяет агентам корректировать свои «убеждения» о среде в реальном времени, что критически важно для выполнения многоэтапных задач и долгосрочного планирования в условиях неопределенности.
Мозговая активность как новый источник данных для обучения физического ИИ
Разработчики физического ИИ начинают рассматривать данные электроэнцефалографии (ЭЭГ) как критический ресурс для обучения робототехники. В отличие от видеопотоков, которые требуют сложной аннотации, сигналы мозга могут напрямую передавать намерения оператора и контекст выполнения задачи. Это направление призвано преодолеть текущий потолок в обучении моделей, работающих в реальном физическом пространстве, за счет более точной интерпретации человеческих действий.
Прямая запись верифицированных фактов в веса трансформеров
Исследователи представили метод прямой модификации весов нейронных сетей для внедрения точных фактов без необходимости дообучения (fine-tuning). Новый подход позволяет встраивать знания непосредственно в архитектуру трансформера, обеспечивая высокую точность воспроизведения информации. Это решает проблему галлюцинаций и упрощает обновление базы знаний модели, исключая риск катастрофического забывания, характерный для стандартных методов обучения.
Проблемы оценки методов поиска дифференциальных уравнений в Physics-informed ML
Исследователи проанализировали текущие методы поиска дифференциальных уравнений в частных производных (PDE) на основе данных. Работа фокусируется на критической проблеме оценки результатов в области Physics-informed Machine Learning (PiML). Авторы выделяют отсутствие стандартизированных подходов к пост-хок анализу, что затрудняет верификацию открытых физических законов и замедляет прогресс в автоматизированном научном моделировании сложных систем.
Zing: фреймворк для развития социального интеллекта у LLM
Исследователи представили Zing — комплексный фреймворк, предназначенный для оценки и развития социального интеллекта у больших языковых моделей. Система позволяет ИИ лучше понимать ментальные состояния людей, отслеживать социальные связи и адаптировать поведение с учетом этических норм. Это важный шаг для перехода моделей от выполнения изолированных задач к долгосрочному взаимодействию в человеческой среде.
Распределенное обучение агентов для управления БПЛА в сетях VANET
Исследователи представили метод TRUAV, использующий распределенное обучение с подкреплением для оптимизации маршрутов беспилотников в сетях VANET. Система позволяет БПЛА эффективно поддерживать связь в динамических IoT-средах без необходимости централизованного сбора глобальных данных. Это решение снижает нагрузку на сеть и повышает точность планирования траекторий в условиях высокой мобильности объектов в умных городах.
Иерархический подход для решения задач обучения с подкреплением при редких наградах
Исследователи представили новый фреймворк иерархического обучения с подкреплением (HRL), предназначенный для задач с редкими наградами и длинными временными горизонтами. Система разделяет управление на два уровня: верхний отвечает за стратегическое планирование, а нижний использует алгоритм Soft Actor-Critic (SAC) для непрерывного контроля, что позволяет эффективнее исследовать среду и достигать целей в сложных сценариях.
Новый метод обучения мультимодальных моделей для повышения логической точности
Исследователи представили метод Offline-Online Curriculum Reinforcement Learning (OOC-RL), направленный на улучшение логических способностей мультимодальных моделей. Подход решает проблему «верных ответов при ошибочных рассуждениях», заставляя модель выстраивать прозрачные и достоверные цепочки промежуточных шагов. Это повышает интерпретируемость ИИ и снижает вероятность использования ложных закономерностей при обработке мультимодальных данных.
Новый подход к оценке сложности обучения в задачах с гетероскедастичным шумом
Исследователи представили новый метод анализа сложности выборки для линейных бандитов с гетероскедастичным шумом. Авторы преодолели «барьер полной дисперсии», предложив уточненные границы для простого сожаления (simple regret). Работа позволяет более точно оценивать производительность алгоритмов обучения в условиях, когда уровень шума меняется в зависимости от времени или действий, что критично для оптимизации стратегий принятия решений.
SpecAHD: новый подход к автоматизированному проектированию эвристик для задач маршрутизации
Исследователи представили SpecAHD — метод автоматизированного проектирования эвристик (AHD) на базе LLM, оптимизированный для крупномасштабных задач маршрутизации. В отличие от традиционных подходов, оценивающих программы на полных наборах данных, SpecAHD использует локализацию для адаптации правил построения решений под специфические структуры отдельных фрагментов задачи, что значительно повышает эффективность поиска оптимальных маршрутов в сложных логистических системах.
Эмпирический анализ свойств стандартных векторных представлений слов
Исследователи представили детальный обзор механизмов формирования векторных представлений (эмбеддингов) слов, которые стали фундаментом современных NLP-систем. Работа систематизирует подходы к отображению последовательностей слов в непрерывные векторные пространства и оценивает их влияние на эффективность моделей в задачах машинного перевода, распознавания речи и анализа тональности, подчеркивая эволюцию методов векторизации в контексте развития глубокого обучения.
Эффективность планирования в ИИ-агентах для работы с электронными таблицами
Исследователи проанализировали применимость режима планирования (Plan Mode) в ИИ-агентах, предназначенных для работы с электронными таблицами. Хотя предварительное составление плана считается стандартом для прозрачности агентных систем, в контексте табличных вычислений этот подход требует адаптации. Авторы изучили, как пользователи взаимодействуют с агентами при итеративной работе с данными и насколько такой контроль влияет на итоговую точность выполнения задач.
Ограничения суррогатных моделей в задачах гидродинамики
Исследователи проанализировали применимость суррогатных моделей потоков при изменении граничных условий. Выяснилось, что успешная валидация модели на простых режимах не гарантирует её точность при переходе к сложным динамическим процессам. Работа демонстрирует, что экстраполяция результатов между различными режимами потоков требует осторожности, так как физические закономерности могут существенно различаться в зависимости от нестационарности системы.
Теренс Тао о будущем математики в эпоху ИИ
Знаменитый математик Теренс Тао представил видение трансформации математической дисциплины под влиянием ИИ. В своем докладе он анализирует, как автоматизированные системы меняют процесс доказательства теорем, поиска закономерностей и верификации данных. По мнению ученого, ИИ становится полноценным «соавтором», который берет на себя рутинные вычисления и поиск формальных ошибок, позволяя математикам сосредоточиться на концептуальном творчестве и постановке задач.
EmoTrace: новый метод генерации диалогов для психологической поддержки
Исследователи представили EmoTrace — фреймворк для создания качественных датасетов, ориентированных на психологическое консультирование. Метод фокусируется на отслеживании эмоциональных траекторий в диалоге, что позволяет моделям лучше понимать динамику состояния пациента. Это решение устраняет недостатки существующих подходов к генерации данных, повышая эмпатичность и последовательность ответов ИИ в терапевтических сценариях.
CALMRec: новый метод борьбы с искажениями в рекомендательных системах на базе LLM
Исследователи представили CALMRec — архитектуру для рекомендательных систем, которая разделяет долгосрочные предпочтения пользователя, сиюминутные намерения и влияние истории показов. В отличие от стандартных LLM-рекомендателей, склонных к формированию «петли обратной связи» из-за переоценки кликов, этот метод использует причинно-следственный анализ для более точного моделирования реального интереса пользователя и повышения качества долгосрочных прогнозов.
Variational-Ising-Attention: новый подход к механизмам внимания в научных задачах
Исследователи представили Variational-Ising-Attention (VIA) — архитектуру внимания, отходящую от стандартной нормализации softmax. В отличие от индустриальных моделей, ориентированных на обработку длинных контекстов и разреженность, VIA фокусируется на глубоком структурированном взаимодействии токенов. Метод опирается на принципы статистической физики, позволяя эффективнее моделировать сложные зависимости, критически важные для научных вычислений и анализа данных.
GEMCo: новый датасет для обучения ИИ в сфере психологического консультирования
Исследователи представили GEMCo — этически выверенный прокси-датасет, состоящий из 86 полных сессий психологического консультирования на немецком языке. Набор данных включает 728 сообщений, написанных экспертами и подготовленными актерами, и предназначен для обучения моделей в условиях ограниченного доступа к реальным конфиденциальным диалогам. Валидация показала высокую сопоставимость синтетических данных с реальными клиническими кейсами.
Применение Flow Matching для улучшения семантической связи в MIMO-системах
Исследователи представили фреймворк Restoration Flow Matching (RFM) для повышения качества семантической передачи данных в MIMO-системах. Метод решает проблему деградации сигнала из-за неточных данных о состоянии канала (CSI) и ошибок выравнивания. Использование генеративного подхода на базе потоков позволяет эффективно восстанавливать семантическую информацию, минимизируя искажения при передаче в сложных условиях беспроводных сетей.
DualityCert: автоматическая верификация гипотез в квантовой теории поля с помощью ИИ
Исследователи представили DualityCert — систему верификации для проверки гипотез о дуальности Зейберга в четырехмерных калибровочных теориях. Инструмент использует символьные методы для оценки согласованности квантовых моделей, автоматически выявляя противоречия в теоретических утверждениях. Система выдает сертификат соответствия, если предложенная модель проходит все этапы проверки, что значительно ускоряет анализ сложных физических теорий.
MS-GPT: новый подход к дешифровке молекулярных структур через LLM
Исследователи представили MS-GPT — модель для определения химических структур по данным тандемной масс-спектрометрии (MS/MS). В отличие от классических методов, опирающихся на готовые библиотеки, система использует архитектуру, основанную на запросах к языковой модели молекул. Это позволяет проводить дешифровку de novo, напрямую преобразуя спектральные данные в химические формулы с высокой точностью.
Оптимизация системных промптов: опыт Claude Code и масштабируемость для малых моделей
Разработчики Claude Code успешно сократили объем системных инструкций на 80%, что позволило существенно снизить затраты на токены и ускорить время отклика без потери качества выполнения задач. Исследование проверяет, применима ли подобная стратегия сжатия контекста к компактным языковым моделям, которые часто ограничены в способности следовать сложным и длинным системным директивам.
ExploitGym: исследование способности ИИ-агентов к автоматической эксплуатации уязвимостей
Исследователи представили ExploitGym — специализированную среду для оценки способности ИИ-агентов находить и эксплуатировать уязвимости в программном обеспечении. Проект направлен на изучение того, могут ли автономные системы переходить от теоретического анализа безопасности к практическому выполнению атак, что является критическим этапом в развитии автономной кибербезопасности и тестировании защищенности современных IT-инфраструктур.