Исследования и наука
Взаимодействие ИИ-агентов порождает эмерджентные состояния поведения
Исследователи обнаружили, что взаимодействие между ИИ-агентами приводит к возникновению динамических состояний, которые невозможно предсказать при анализе моделей в изоляции. Когда один агент доминирует в коммуникации, игнорируя ответы другого, ведомый агент переходит в «чужеродное» состояние. Это открытие позволяет применять методы неравновесной физики для описания и прогнозирования поведения сложных агентных систем в реальных условиях.
ИИ-модель для планирования многостадийного синтеза сложных молекул
Исследователи представили новый подход к автоматизированному ретросинтетическому анализу, ориентированный на стратегическое планирование при создании сложных природных соединений. В отличие от традиционных алгоритмов, фокусирующихся на поиске отдельных реакций, новая система имитирует логику химиков-синтетиков, выстраивая многоэтапные стратегии сборки молекул из простых блоков с учетом альтернативных путей и потенциальных экспериментальных рисков.
Машинное обучение для точного позиционирования в сетях 6G с использованием RIS
Исследователи представили метод локализации пользовательских устройств в сетях 6G, использующий реконфигурируемые интеллектуальные поверхности (RIS) и машинное обучение. Новый подход на основе «отпечатков» в лучевом домене позволяет определять местоположение абонента даже при отсутствии прямой видимости между базовой станцией и устройством, эффективно решая проблему помех от перекрестных связей в миллиметровом диапазоне.
Использование LLM для улучшения анализа тональности финансовых текстов в QNLP
Исследователи изучили возможность применения LLM для предварительной обработки сложных финансовых предложений перед их анализом с помощью квантовых методов обработки естественного языка (QNLP). Использование моделей для переписывания текстов под формат DisCoCat позволило снизить чувствительность синтаксических парсеров и упростить структуру данных, что критически важно для повышения точности анализа тональности в финансовом секторе.
Fisher-R1: новый подход к обучению ИИ-агентов для статистического анализа
Исследователи представили Fisher-R1 — специализированную модель, обученную для проведения надежного статистического тестирования гипотез. Агенты часто допускают скрытые логические ошибки при интерпретации данных, даже если программный код написан верно. Новый метод обучения позволяет минимизировать подобные искажения, обеспечивая точность выводов при автоматизации эмпирических научных исследований и анализе сложных наборов данных.
Исследователи обнаружили нестабильность Muon-обученных трансформеров
Новое исследование выявило критическую проблему при использовании оптимизатора Muon в трансформерах: модели демонстрируют эффект «пост-грокинга» (post-grokking collapse). Несмотря на ускоренное обучение модулярному сложению, системы теряют способность к обобщению после достижения пиковых показателей. В отличие от стандартного AdamW, решения, найденные с помощью Muon, оказываются нестабильными и быстро деградируют в процессе дальнейшего обучения.
Визуализация временных рядов в VLM снижает энергопотребление и повышает точность анализа
Исследователи предложили новый метод обработки числовых временных рядов (NTSDA) через визуально-языковые модели (VLM). Вместо преобразования данных в длинные последовательности токенов, которые перегружают LLM, данные кодируются как 2D-изображения. Это решение позволяет значительно сократить количество входных токенов, снизить энергозатраты на инференс и повысить точность анализа KPI в телекоммуникационных сетях 4G и 5G.
Метод Cloud-Boosted для улучшения качества речи на устройствах с низкими ресурсами
Исследователи представили метод Cloud-Boosted, позволяющий значительно повысить качество обработки аудио на носимых устройствах с жесткими вычислительными ограничениями. Технология использует связку компактной локальной модели и более мощного серверного аналога. Это решение обеспечивает низкую задержку при передаче данных, сохраняя высокую четкость речи в реальном времени, что критически важно для современных коммуникационных систем.
Новый метод обучения мировых моделей для долгосрочного прогнозирования
Исследователи представили новый подход к обучению мировых моделей (world models), решающий проблему накопления ошибок при долгосрочном планировании. Вместо стандартного прогнозирования на несколько шагов вперед, метод использует сквозное обучение для предсказания отдаленного будущего. Это позволяет моделям лучше сохранять точность при моделировании сложных процессов, где важна долгосрочная динамика, а не только локальные переходы.
ResidencyRL: обучение ИИ-агентов клиническому мышлению через симуляции
Исследователи представили фреймворк ResidencyRL, имитирующий процесс подготовки врачей для обучения моделей клиническому рассуждению. Система использует обучение с подкреплением в симулированных медицинских средах, где агент проходит тысячи диалогов с пациентами, учится собирать анамнез, формулировать гипотезы и принимать решения о лечении, получая обратную связь на каждом этапе для постепенного повышения автономности.
Новый подход ICQ для анализа видео с привязкой к конкретным личностям
Исследователи представили задачу Identity-conditioned Queries (ICQ), направленную на улучшение видеоаналитики с учетом идентификации людей. В отличие от стандартных моделей, работающих с общим описанием видео, ICQ требует от ИИ сопоставлять визуальные данные с конкретным референсным изображением человека. Это позволяет системам точнее интерпретировать сложные сцены, где важно отслеживать действия конкретных участников в многопользовательских видеопотоках.
Решение проблемы долгосрочной памяти в видео-моделях мира
Исследователи представили метод Addressable Memory, решающий проблему деградации визуальной памяти в интерактивных видео-моделях. При генерации длинных последовательностей стандартный KV-кэш перестает корректно считываться из-за выхода временных позиционных эмбеддингов (RoPE) за пределы обучающего диапазона. Новый подход позволяет моделям сохранять стабильность визуального контекста даже при генерации видео, значительно превышающих по длительности тренировочные данные.
DynaCrys: новая модель генерации кристаллических структур
Исследователи представили DynaCrys — генеративную модель для поиска новых кристаллических материалов. Система решает задачу одновременного моделирования кристаллографической симметрии, состава элементов и непрерывной геометрии. В отличие от существующих подходов, модель использует динамическую диффузию, где пространственная группа коэволюционирует вместе с элементарным составом и позициями атомов, что позволяет эффективнее исследовать сложные структурные пространства.
Метод PACE: эволюция алгоритмов через примитивы вместо целых программ
Исследователи представили метод PACE (Primitive-Aware Code Evolution), который меняет подход к автоматизированному проектированию алгоритмов с помощью LLM. Вместо эволюции программы как единого целого, PACE декомпозирует код на функциональные примитивы. Это позволяет сохранять и повторно использовать эффективные фрагменты логики, которые раньше терялись при отбраковке неудачных итераций, значительно повышая качество синтезируемых алгоритмов.
Новый метод обучения моделей для носимых устройств через Omni-modal Decomposition Autoencoders
Исследователи представили архитектуру Omni-modal Decomposition Autoencoders (OMDA), предназначенную для обработки данных с носимых устройств. Метод позволяет извлекать интерпретируемые и независимые признаки из мультимодальных сенсорных потоков. Решение объединяет классификацию, разделение факторов данных и эффективную интеграцию сигналов, что критически важно для создания универсальных и энергоэффективных моделей в носимой электронике.
Анализ стратегий взаимодействия агентов в играх с оплатой по среднему значению
Исследователи проанализировали поведение ИИ-агентов в многоагентных системах, где участники проектируются с расчетом на противодействие со стороны оппонентов. Работа показывает, что взаимное использование «враждебных» стратегий приводит к неэффективным результатам, отличным от чисто состязательных сценариев. Авторы предлагают математическую модель для оценки оптимальных стратегий в играх с оплатой по среднему значению (mean-payoff bidding games).
LSEAD: ИИ-фреймворк для ранней диагностики болезни Альцгеймера по речи
Исследователи представили LSEAD — фреймворк на базе больших языковых моделей для неинвазивного скрининга болезни Альцгеймера через анализ речи. Система фокусируется на конфиденциальности данных, позволяя проводить диагностику в клинических условиях с учетом вариативности записей. Метод предлагает экономически эффективную альтернативу традиционным способам выявления когнитивных нарушений на ранних стадиях, что критически важно для замедления прогрессирования заболевания.
ИИ-модель Evo 2 синтезировала эффективные бактериофаги против E. coli
Исследователи из Стэнфордского университета успешно применили генеративную модель Evo 2 для создания новых последовательностей ДНК, способных бороться с бактериями. В ходе лабораторных испытаний из 300 синтезированных вариантов 16 показали высокую эффективность в уничтожении кишечной палочки (E. coli). Работа открывает новые возможности для ускоренной разработки биологических агентов с помощью глубокого обучения.
DeepMind представила ИИ-модель для раннего прогнозирования ураганов
Исследователи Google DeepMind разработали модель GraphCast, способную предсказывать траектории и интенсивность ураганов значительно быстрее и точнее традиционных систем численного прогнозирования погоды. ИИ анализирует глобальные атмосферные данные и формирует прогноз на 10 дней вперед менее чем за минуту, что позволяет экстренным службам оперативнее реагировать на приближающиеся стихийные бедствия и минимизировать ущерб.
ИИ-модель для прогнозирования тропических циклонов превзошла традиционные методы
Исследователи представили ИИ-систему для оперативного прогнозирования траекторий тропических циклонов, которая демонстрирует более высокую точность по сравнению с ведущими мировыми численными моделями погоды. Разработка позволяет значительно сократить время вычислений, предоставляя надежные данные для подготовки к стихийным бедствиям в режиме реального времени, что критически важно для минимизации ущерба и спасения жизней в регионах повышенного риска.
ИИ синтезировал 16 новых вирусов-бактериофагов
Исследователи использовали генеративные модели для создания 16 ранее не существовавших в природе вирусов-бактериофагов. ИИ спроектировал последовательности белков, способных эффективно атаковать специфические бактерии, что открывает новые возможности для борьбы с антибиотикорезистентностью. Успешный синтез и последующая активация этих вирусов в лабораторных условиях подтверждают способность алгоритмов к созданию функциональных биологических агентов с заданными свойствами.
Что такое Looped Transformers и как они меняют архитектуру моделей
Looped Transformers — это архитектурный подход, при котором модель использует один и тот же набор весов (слоев) многократно для обработки входных данных. В отличие от стандартных трансформеров с фиксированным количеством слоев, такая структура позволяет динамически регулировать глубину вычислений, что значительно повышает эффективность использования параметров и снижает требования к памяти при сохранении высокой производительности.
MatrAIx: симуляция общества с 8,3 млрд персонализированных агентов
Исследователи представили MatrAIx — масштабную платформу для симуляции социального взаимодействия, использующую 8,3 миллиарда автономных агентов. Система моделирует поведение индивидов в виртуальной среде, позволяя изучать сложные социально-экономические процессы, динамику распространения информации и коллективное принятие решений в масштабах, сопоставимых с населением планеты, что открывает новые возможности для предиктивного моделирования общественных явлений.
Анализ стоимости обучения моделей DeepSeek
Исследователи из OpenCode провели реверс-инжиниринг затрат на обучение моделей DeepSeek, подтвердив эффективность подходов компании к оптимизации вычислительных ресурсов. Анализ показал, что стоимость тренировки сопоставима с заявленными разработчиками цифрами, что опровергает скептические оценки о необходимости колоссальных инвестиций в GPU для достижения аналогичных результатов в производительности современных языковых моделей.