Исследования и наука
WordVoice: новый метод точного управления интонацией в TTS-системах на базе LLM
Исследователи представили WordVoice — архитектуру для TTS-систем, позволяющую детально управлять характеристиками речи на уровне отдельных слов. В отличие от стандартных end-to-end моделей, работающих с общим контекстом, WordVoice разделяет лингвистическую информацию и акустические параметры, обеспечивая точный контроль над темпом, высотой тона и эмоциональной окраской без потери естественности звучания синтезированного голоса.
Новый фреймворк для биомедицинских QA-систем на базе LLM
Исследователи представили специализированный фреймворк для решения задач биомедицинского поиска ответов (BioASQ 14b), использующий адаптивные пайплайны на базе LLM. Вместо стандартного голосования моделей система классифицирует тип вопроса и динамически выстраивает стратегию извлечения и синтеза доказательств из научной литературы, что значительно повышает точность ответов и обоснованность выводов в узкоспециализированных медицинских доменах.
Исследование точности локализации в мультимодальных моделях для редактирования изображений
Исследователи проанализировали, почему Vision-Language Models (VLM), используемые в качестве основы для диффузионных моделей редактирования изображений, теряют точность локализации объектов в сложных сценах. Авторы работы предложили метод Analysis-by-Proxy, позволяющий лучше интерпретировать сигналы локализации внутри архитектуры, что помогает устранить ошибки при обработке изображений с несколькими объектами и повысить качество генеративного редактирования.
Биологические алгоритмы стрекоз как модель для автономной навигации
Исследователи выяснили, что сложные маневры стрекоз в воздушном бою основаны на простых визуальных алгоритмах. Анализ траекторий полета насекомых показал, что они используют базовые правила обработки визуальных данных для перехвата целей, что делает их биологические механизмы перспективной моделью для разработки систем автономной навигации и управления дронами в динамических условиях.
SCENT: мультимодальное обучение на основе запахов и языка
Исследователи представили SCENT — фреймворк для обучения мультимодальных моделей, объединяющий визуальные данные с обонятельными сигналами через текстовое описание. Поскольку запахи часто зависят от контекста, который невозможно считать только с изображений, система использует языковые модели как связующее звено, позволяя ИИ лучше понимать и интерпретировать сложные сенсорные характеристики окружающей среды.
Определение и дорожная карта развития мировых моделей (World Models)
Исследователи представили фундаментальный обзор концепции мировых моделей (world models) — систем, способных симулировать структуру и динамику окружающей среды. Работа систематизирует разрозненные подходы из областей обучения с подкреплением, генерации видео и робототехники, предлагая единую таксономию и дорожную карту для создания ИИ, обладающего глубоким пониманием физического мира.
Новый метод обучения роботов безопасному метанию объектов в загроможденных пространствах
Исследователи представили новый подход к обучению роботов метанию предметов в условиях сложной среды с препятствиями. В отличие от существующих решений, таких как TossingBot, ориентированных на свободное пространство, предложенный метод позволяет точно рассчитывать траекторию броска в цель, избегая столкновений с объектами. Это расширяет возможности автоматизированной логистики и складских операций, позволяя роботам эффективно перемещать грузы за пределы их непосредственной рабочей зоны.
Новое исследование объясняет превосходство нейросетей над NTK в задачах с композиционной структурой
Исследователи представили математическое обоснование того, почему современные нейронные сети значительно превосходят предел нейронного касательного ядра (NTK) при решении задач с композиционной структурой. Авторы работы ввели дихотомию между двумя мерами сложности целевой функции, доказав, что NTK демонстрирует экспоненциальную субоптимальность в случаях, когда данные обладают иерархической или композиционной природой, что ранее наблюдалось лишь эмпирически.
Anthropic представила инструмент J-Lens для чтения «внутреннего монолога» моделей Claude
Исследователи Anthropic обнаружили, что в процессе обучения модели Claude формируется автономная рабочая память, которую компания назвала «J-Space». С помощью нового аналитического инструмента J-Lens разработчики получили возможность визуализировать этот скрытый внутренний монолог. Выяснилось, что модель способна распознавать тестовые сценарии до начала генерации ответа, что открывает новые возможности для изучения процессов принятия решений ИИ.
Новый метод физически-информированных эмбеддингов для решения уравнений в частных производных
Исследователи представили архитектуру для построения конечномерных эмбеддингов семейств решений уравнений в частных производных (PDE). Метод использует многоголовую нейронную сеть, где общая часть модели обучается выделять латентное многообразие пространства решений, а линейные головы восстанавливают конкретные сценарии для различных начальных условий. Это позволяет эффективно аппроксимировать сложные физические системы с высокой точностью и вычислительной эффективностью.
Этика и риски персонализации в человеко-роботизированном взаимодействии
Исследователи проанализировали этические вызовы персонализации в робототехнике, где физическое присутствие машин усиливает психологическое воздействие на пользователей. Работа систематизирует риски, возникающие при адаптации поведения роботов под индивидуальные предпочтения человека, и предлагает фреймворк для ответственного проектирования систем, чтобы избежать манипуляций и нарушения приватности в долгосрочных сценариях взаимодействия.
Автоматизация формальной верификации кода с помощью LLM-агентов
Исследователи представили новый подход к автоматической верификации программного обеспечения, использующий LLM-агентов для генерации доказательств в интерактивных системах типа Coq. В отличие от традиционных методов с жестко заданными стратегиями, новая архитектура позволяет моделям динамически адаптировать процесс доказательства, что значительно снижает потребность в ручном труде экспертов и повышает масштабируемость формальной проверки кода.
Интерпретируемость в end-to-end моделях автономного вождения
Исследователи представили метод повышения прозрачности нейросетевых моделей для беспилотного транспорта. Используя обучение словаря без учителя (unsupervised dictionary learning) как модуль пост-хок интерпретируемости, авторы смогли декомпозировать сложные решения ИИ на семантически понятные концепты. Это позволяет выявлять скрытые ошибки в логике управления автомобилем, которые возникают при использовании end-to-end подходов, повышая общую надежность систем автономного вождения.
Новый метод анализа маммограмм на основе токенов для диагностики рака груди
Исследователи представили метод Token-Based Dual-view Fusion (TBDF) для классификации рака молочной железы по маммограммам. Подход объединяет данные двух проекций — краниокаудальной (CC) и медиолатеральной косой (MLO) — через механизм токенизированной адаптации больших визуальных моделей. Это позволяет эффективнее выявлять патологии, избегая потери контекста, характерной для традиционных методов агрегации признаков на уровне векторов.
Гибридная архитектура для генерации музыкальной гармонии
Исследователи представили гибридную архитектуру для автоматической генерации музыкальной гармонии на основе заданной мелодии. Система объединяет квантово-вдохновленные методы поиска кандидатов с жесткими правилами оптимизации. Такой подход позволяет достичь баланса между творческой гибкостью генеративных моделей и строгим соблюдением музыкальной структуры, обеспечивая предсказуемость и высокое качество композиций в автоматизированных творческих процессах.
Количественная теория сходимости тензорных программ к гауссовским процессам
Исследователи представили количественную теорию сходимости для случайных нейронных сетей бесконечной ширины, используя аппарат тензорных программ. Работа устанавливает явные границы погрешности в метрике Вассерштейна для сетей конечной ширины. Полученные результаты позволяют математически обосновать поведение глубоких архитектур при переходе к пределу, обеспечивая точность аппроксимации порядка обратного квадратного корня от ширины слоев.
Новый подход к обучению операторов на основе ядер
Исследователи представили теоретическую базу для обучения операторов на основе ядер (kernel-based operator learning), использующую двухэтапную схему сэмплирования. Метод объединяет офлайн-регрессию для аппроксимации целевого оператора и онлайн-реконструкцию для восстановления выходных функций. Авторы вывели условия распределения вычислительного бюджета, которые позволяют минимизировать общую ошибку аппроксимации при работе с дискретными данными и физически обоснованными задачами.
Моделирование усвоения языка через теорию графов и поиск в ментальном лексиконе
Исследователи представили вычислительную модель раннего освоения языка, рассматривающую ментальный лексикон как сложную сеть. Процесс обучения представлен как поиск по графу, сочетающий механизмы распространения активации и принудительного исследования новых категорий. Модель успешно протестирована на данных четырех языков, демонстрируя, как неравномерное усвоение лексики зависит от структуры семантических связей и стратегий поиска.
Создан каталог вирусных угроз для прогнозирования будущих пандемий
Исследователи представили масштабный каталог вирусных патогенов, систематизирующий данные о наиболее опасных для человечества вирусах. Проект направлен на выявление биологических характеристик, которые могут привести к возникновению новых пандемий. Использование этих данных позволяет ученым строить прогнозные модели, оценивать риски распространения инфекций и заблаговременно готовить стратегии реагирования на потенциальные биологические угрозы глобального масштаба.
Новый взгляд на обобщающую способность квантовых нейронных сетей
Исследователи предложили PAC-байесовский подход для анализа обобщающей способности параметризованных квантовых схем (PQC), используемых в обучении с подкреплением. Установлено, что качество работы моделей определяется не количеством параметров, а эффективной размерностью геометрии Фишера. Это открытие позволяет лучше предсказывать поведение квантовых агентов и оптимизировать их архитектуру для решения сложных задач в условиях ограниченных данных.
Canopy: новая фундаментальная модель для метаболической инженерии
Исследователи представили Canopy — фундаментальную модель на базе гетерографных нейронных сетей, предназначенную для оптимизации метаболической инженерии. Система позволяет предсказывать продуктивность микробных штаммов при синтезе ценных химических соединений, преодолевая ограничения классических стехиометрических моделей и традиционного машинного обучения, которые часто игнорируют сложные биологические взаимосвязи и структурные данные о метаболических путях.
Исследование скрытых горизонтов программирования в ИИ-агентах
Новое исследование анализирует способность ИИ-агентов к «скрытому программированию» — процессу, при котором модель формирует внутренние алгоритмические структуры для решения сложных задач до написания финального кода. Авторы работы доказывают, что современные LLM способны выстраивать логические цепочки, которые значительно повышают качество генерации программного обеспечения, выходя за рамки простого предсказания следующего токена в коде.
Фреймворк для моделирования любопытства в агентных экосистемах
Исследователи представили теоретическую модель, описывающую любопытство как ключевой фактор принятия решений в агентных системах. Фреймворк анализирует, как ИИ-агенты балансируют между снижением неопределенности, вычислительными затратами и долгосрочной ценностью информации. Модель позволяет формализовать стратегии запросов в экосистемах, где взаимодействуют как одиночные агенты, так и группы, стремящиеся к эффективному накоплению знаний.
Метакогнитивная обратная связь повышает точность оценки неопределенности в LLM
Исследователи представили новый метод обучения LLM с использованием метакогнитивной обратной связи (RLMF), который значительно улучшает способность моделей оценивать собственную уверенность в ответах. В отличие от стандартного обучения с подкреплением, этот подход заставляет модель анализировать процесс собственного мышления, что снижает количество галлюцинаций и позволяет точнее определять границы знаний при решении сложных задач.