Исследования и наука
Применение интерпретируемых нейросетей для анализа ядерных сил
Исследователи применили интерпретируемые нейронные сети для анализа фундаментальных симметрий ядерных сил, опираясь на модели Вигнера SU(4) и Эллиота SU(3). Ученые стремились не к достижению максимальной точности предсказаний, а к глубокому физическому пониманию того, как данные симметрии определяют массу атомных ядер во всей таблице нуклидов, используя операторы Казимира в качестве основы для архитектуры моделей.
PAC-байесовские гарантии для управления замкнутыми системами
Исследователи представили новый метод получения теоретических гарантий для систем управления с обучением, использующих квадратичные функции потерь. Традиционные PAC-байесовские подходы сталкивались с трудностями из-за неограниченного характера таких функций, однако использование параметризации System Level Synthesis (SLS) позволило эффективно оценить поведение системы и обеспечить надежность предсказаний на ограниченных выборках данных.
Google представила ИИ-инструмент для автоматизации научного рецензирования
Исследователи Google представили Paper Assistant — инструмент, призванный решить проблему масштабируемости академического рецензирования в условиях взрывного роста числа научных публикаций. Система автоматизирует проверку методологии и корректности выводов, помогая экспертам справляться с потоком статей. Разработка направлена на поддержание качества научной экспертизы, которое традиционные методы рецензирования уже не способны обеспечить из-за растущих объемов данных.
Исследование механизмов конфликта восприятия и знаний в мультимодальных моделях
Исследователи проанализировали, как мультимодальные модели разрешают противоречия между визуальными данными и заложенными в них знаниями о мире. Используя метод активационного патчинга, авторы выявили причинно-следственные связи на уровне отдельных компонентов нейросети, показав, что модели склонны отдавать приоритет внутренним «воспоминаниям» над реальным визуальным вводом, что критически влияет на надежность систем компьютерного зрения.
Исследование OpenAI: переход от простых LLM к агентным системам
Анализ данных платформы Codex демонстрирует фундаментальный сдвиг в использовании ИИ: разработчики всё чаще делегируют моделям выполнение многошаговых задач. Вместо разовых запросов пользователи переходят к агентным паттернам, где ИИ самостоятельно планирует действия и взаимодействует с внешними инструментами. Это меняет требования к архитектуре моделей, смещая фокус с генерации текста на надежность выполнения последовательных операций.
Фотонные квантовые нейросети для диагностики рака на периферийных устройствах
Исследователи представили архитектуру фотонных квантовых нейронных сетей с непрерывными переменными, оптимизированную для работы на периферийных устройствах. Метод позволяет эффективно выполнять сложные задачи классификации, такие как выявление рака полости рта, используя минимальное количество параметров. Технология предлагает альтернативу традиционным квантовым системам на кубитах, обеспечивая высокую точность диагностики в условиях ограниченных вычислительных ресурсов мобильного оборудования.
HPRO: новый метод обучения эмоционального синтеза речи через иерархическую оптимизацию
Исследователи представили метод HPRO (Hierarchical Progressive Reward Optimization), направленный на улучшение эмоциональной выразительности в моделях синтеза речи (TTS). В отличие от стандартного обучения с учителем, которое часто приводит к усредненной и монотонной интонации, новый подход использует иерархическую оптимизацию на основе предпочтений, что позволяет моделям лучше улавливать нюансы человеческой речи и передавать сложные эмоции.
Новый метод идентификации латентных стохастических дифференциальных уравнений
Исследователи представили новый подход к решению проблемы идентифицируемости в непрерывных латентных моделях на основе стохастических дифференциальных уравнений (SDE). Используя сдвиги ковариации диффузии, вызванные изменениями внешней среды, авторы смогли восстановить причинно-следственные связи в данных временных рядов, что ранее было затруднительно для моделей с неизвестными нелинейными функциями наблюдения.
HAT-4D: метод реконструкции 4D-взаимодействий объектов из монокулярного видео
Исследователи представили HAT-4D — новый метод для извлечения динамических 4D-взаимодействий между объектами из обычных монокулярных видеозаписей. Технология решает проблему сильных перекрытий и сложной динамики, с которыми не справляются существующие подходы. Это решение открывает путь к эффективному сбору данных для обучения воплощенного ИИ (Embodied AI) и визуально-языковых моделей действий (VLA) в реальных условиях.
Анализ денежных переводов Шри-Ланки: применение ML к макроэкономическим данным
Исследователи представили комплексный анализ миграционных потоков и денежных переводов в Шри-Ланке за 32-летний период (1994–2025 годы). Используя гармонизированный набор данных из 384 месяцев, авторы применили методы эконометрического моделирования и машинного обучения для выявления ключевых факторов, влияющих на приток капитала в страну, включая динамику валютных курсов и мировые цены на энергоносители.
Использование LLM для прогнозирования сложности заданий через когнитивные эпизоды
Исследователи представили метод оценки сложности учебных заданий для человека, основанный на анализе цепочек рассуждений больших языковых моделей. Вместо традиционной калибровки по результатам тестирования, подход фокусируется на «когнитивных эпизодах» — ключевых этапах логического вывода модели. Это позволяет не только точнее предсказывать уровень сложности, но и интерпретировать, какие именно мыслительные процессы вызывают затруднения у учащихся.
CPAgents: автоматизация поиска кардиологических фенотипов с помощью ИИ-агентов
Исследователи представили CPAgents — агентную систему для генерации композитных фенотипов, позволяющую выявлять сложные связи между данными кардиологической визуализации и клиническими заболеваниями. В отличие от традиционных методов, опирающихся на заранее заданные переменные, этот подход автоматически формирует многомерные признаки, лучше улавливая нелинейные эффекты и повышая точность стратификации сердечно-сосудистых рисков в масштабных популяционных исследованиях.
Исследование Tandem RLVR: как улучшить логику LLM через проверяемые награды
Исследователи представили метод Tandem Reinforcement Learning with Verifiable Rewards (RLVR), направленный на повышение логических способностей больших языковых моделей. Метод решает проблему дрейфа модели в сторону неэффективных или идиосинкразических паттернов рассуждений, которые часто возникают при стандартном обучении с подкреплением, обеспечивая более стабильное достижение экспертных результатов в сложных задачах, таких как олимпиадная математика.
EchoSonar-R: мультимодальная модель для анализа эхокардиографии
Исследователи представили EchoSonar-R — специализированную модель для анализа эхокардиографических данных, объединяющую классификацию сердечных патологий с автоматической генерацией клинических отчетов. В отличие от предыдущих систем, ориентированных только на классификацию, архитектура EchoSonar-R использует мультиракурсный подход, синтезируя визуальные доказательства из различных проекций сердца для повышения точности диагностики и формирования структурированных медицинских заключений.
Применение PINN для решения обратной задачи Кальдерона с ограниченными данными
Исследователи представили новый метод решения обратной задачи Кальдерона с использованием физико-информированных нейронных сетей (PINN). Подход позволяет восстанавливать резкие изменения проводимости при ограниченном объеме граничных данных. Авторы внедрили многомасштабные граничные возбуждения на основе вейвлет-функций и применили кодирование признаков Фурье, что значительно повысило точность реконструкции сложных структур в условиях неполной информации.
Механизмы джейлбрейка: как атаки подавляют внимание LLM
Исследователи проанализировали механизмы обхода систем безопасности в больших языковых моделях. Выяснилось, что джейлбрейк-атаки не стирают защитные настройки полностью, а избирательно подавляют работу конкретных «голов» внимания (attention heads). Авторы выделили два типа функционально дифференцированных компонентов, отвечающих за обработку вредоносного контента и поддержание безопасности модели в процессе генерации ответов.
PhysisForcing: повышение физической достоверности видеогенераторов для робототехники
Исследователи представили PhysisForcing — метод, повышающий физическую точность видеогенеративных моделей при симуляции манипуляций роботов. Решение устраняет проблему нереалистичных траекторий и нарушений взаимодействия объектов, характерную для стандартных генераторов видео. Новый подход позволяет создавать более надежные цифровые среды для обучения робототехнических систем, обеспечивая предсказуемость движений и физическую согласованность в сгенерированных сценариях взаимодействия.
LLM как частный случай мировых моделей: новая теоретическая концепция
Исследователи предложили новую теоретическую базу, объединяющую авторегрессионные языковые модели и мировые модели. Авторы опровергают дихотомию, согласно которой LLM лишь предсказывают токены, а мировые модели симулируют реальность. Работа доказывает, что современные языковые модели уже обладают скрытыми механизмами моделирования мира, что открывает путь к созданию более совершенных архитектур, выходящих за рамки простого предсказания следующего токена.
Автоматизация проектирования сложных систем с помощью генеративного ИИ
Исследователи представили фреймворк Computational Design Synthesis (CDS), использующий глубокое обучение и генеративные модели для автоматизации проектирования высокотехнологичных систем. Метод позволяет справляться с комбинаторной сложностью инженерных задач, предлагая инновационные конфигурации. Эффективность подхода подтверждена на примерах разработки систем электроприводов и задач пространственного проектирования, демонстрируя потенциал ИИ в ускорении цикла создания сложных технических решений.
Higher-Order Fourier Neural Operator: новый подход к решению нелинейных дифференциальных уравнений
Исследователи представили Higher-Order Fourier Neural Operator (HO-FNO) — архитектуру для аппроксимации операторов в функциональных пространствах. Метод расширяет классический FNO, внедряя механизм явного смешивания мод (mode mixer) для более точного моделирования нелинейных дифференциальных уравнений в частных производных (PDE). Решение позволяет эффективнее улавливать сложные динамические взаимодействия, сохраняя при этом инвариантность к разрешению входных данных.
Формализация компиляции ИИ-моделей в MLIR через теорию типов
Исследователи представили новый подход к анализу компиляции нейросетевых моделей в инфраструктуре MLIR, используя методы формальных теорий. Работа предлагает математически строгий способ описания трансформаций графов вычислений, что позволяет повысить предсказуемость оптимизаций и надежность генерации кода для различных аппаратных ускорителей, минимизируя ошибки при трансляции высокоуровневых описаний моделей в низкоуровневые инструкции.
Предел скрытых возможностей: почему масштабирование моделей не всегда решает задачи
Исследование анализирует феномен «потолка скрытых возможностей» LLM, при котором дальнейшее увеличение параметров модели перестает приносить прирост качества в специфических бизнес-задачах. Автор доказывает, что после достижения определенного уровня архитектурной сложности эффективность упирается в фундаментальные ограничения данных и методов обучения, требуя перехода от простого масштабирования к изменению подходов к проектированию систем.
Un-0: новый подход к генерации изображений через связанные осцилляторы
Исследователи представили Un-0 — архитектуру для генерации изображений, основанную на принципах связанных осцилляторов, а не на стандартных диффузионных процессах. Метод использует динамические системы для формирования визуального контента, предлагая альтернативный математический подход к синтезу данных. Технология демонстрирует потенциал в снижении вычислительных затрат при сохранении высокого качества генерации и стабильности процесса обучения модели.
Эффективность ИИ в прогнозировании фондового рынка: результаты нового исследования
Новое исследование ставит под сомнение способность нейросетей предсказывать краткосрочные движения фондового рынка. Анализ показал, что, несмотря на способность моделей обрабатывать огромные массивы финансовых новостей, их прогнозы не обеспечивают стабильного преимущества перед рыночными индексами. ИИ часто не учитывает непредсказуемые макроэкономические факторы и рыночный шум, что ограничивает его эффективность как инструмента для тайминга сделок.