Исследования и наука
LeCropFollow: новый метод навигации сельхозроботов в сложных условиях
Исследователи представили LeCropFollow — метод планирования в латентном пространстве для навигации сельскохозяйственных роботов в неструктурированных посевах. В отличие от традиционных геометрических подходов, которые теряют семантический контекст при обработке визуальных данных, новый алгоритм эффективно учитывает неопределенность среды, позволяя роботам уверенно перемещаться между рядами с нерегулярной посадкой и разрывами в растительности.
Почему LLM склонны к галлюцинациям вместо признания незнания
Языковые модели часто генерируют неверные ответы из-за особенностей обучения на предсказание следующего токена. Вместо оценки достоверности информации, архитектура трансформеров стремится минимизировать ошибку предсказания, заполняя пробелы в знаниях статистически вероятными, но фактически ложными данными. Это фундаментальное различие между поиском истины и имитацией правдоподобного текста создает проблему галлюцинаций в агентных системах.
Новый метод предобусловливания для моделирования разрушения композитов
Исследователи представили метод Interface-Aware Neural Newton Preconditioning для повышения устойчивости численного моделирования разрушений в композитных материалах. Алгоритм решает проблему нестабильности при расчете зон сцепления (CZM), где традиционные методы Ньютона часто сталкиваются с расходимостью из-за резких скачков напряжений и отрицательных касательных модулей в процессе деградации материала.
MVP-Nav: новый метод навигации для воплощенных ИИ-агентов
Исследователи представили MVP-Nav — метод навигации для воплощенных ИИ-агентов, решающий проблему поиска объектов в условиях отсутствия данных о глубине. Система использует многослойные карты ценности, объединяя семантическое понимание пространства с геометрическими ограничениями. Это позволяет агентам эффективно ориентироваться в среде, полагаясь исключительно на RGB-изображения, что значительно снижает физическую неопределенность при движении к цели.
Философский анализ природы понимания в контексте ИИ
Исследователи опубликовали работу, анализирующую различие между «знанием» и «пониманием» в контексте современных систем искусственного интеллекта. Авторы утверждают, что текущие модели, обладая огромными массивами данных, часто демонстрируют лишь имитацию когнитивных процессов. Статья предлагает новую эпистемологическую базу для оценки того, способны ли нейросети к подлинному пониманию причинно-следственных связей и концептуальных структур, лежащих в основе информации.
Новый метод дистилляции для повышения устойчивости нейросетей к атакам
Исследователи представили метод Adversarial Distillation, направленный на решение проблемы компромисса между точностью нейросетей и их устойчивостью к состязательным атакам. Новый подход позволяет создавать модели, которые проходят формальную верификацию на защищенность, сохраняя при этом высокую производительность на стандартных задачах, что критически важно для внедрения ИИ в системы, требующие гарантий безопасности и предсказуемости поведения.
Метод интринсивной декомпозиции для редактирования 3D Gaussian Splatting
Исследователи представили новый метод интринсивной декомпозиции для 3D Gaussian Splatting, позволяющий разделять цвета объектов на диффузное альбедо и затенение. Это решение дает возможность независимо редактировать текстуры и освещение в 3D-сценах, сохраняя физическую корректность рендеринга. Технология решает проблему изменения внешнего вида объектов без нарушения целостности световых эффектов, что критически важно для профессиональной компьютерной графики.
Проблема интерпретируемости ИИ в медицине: поиск стандартов объяснимости
Исследователи проанализировали текущие подходы к интерпретируемости медицинских ИИ-систем, подчеркивая разрыв между технической прозрачностью моделей и требованиями клинической практики. Работа фокусируется на необходимости создания методологий, которые обеспечивают не просто визуализацию весов нейросети, а содержательное научное обоснование решений, соответствующее стандартам доказательной медицины, причинно-следственной логике и эпистемической адекватности в условиях высокой ответственности.
Метод Token-Sparse для улучшения медицинской диагностики в мультимодальных моделях
Исследователи представили метод обучения мультимодальных моделей (VLM), оптимизированный для анализа медицинских изображений. Новый подход использует двухпотоковое обучение с подкреплением (RL) для динамической фильтрации визуальных токенов. Это позволяет модели игнорировать нерелевантные области снимка и фокусироваться на критически важных признаках, что значительно повышает точность клинических решений в условиях дефицита визуальных данных.
Фреймворк системной инженерии требований для разработки надежных ML-систем
Исследователи представили новый фреймворк инженерии требований, адаптированный для жизненного цикла машинного обучения. Методология помогает организациям систематизировать процесс проектирования, обеспечивая прозрачность и доверие к ИИ-системам. Подход фокусируется на взаимодействии с ключевыми стейкхолдерами — от инженеров до конечных пользователей — для минимизации рисков и обеспечения соответствия систем заявленным целям на всех этапах разработки.
DPPE: новый метод позиционного кодирования для мультиракурсных трансформеров
Исследователи представили DPPE (Decomposed Positional Projection Encoding) — новый подход к позиционному кодированию в 3D-компьютерном зрении. Метод оптимизирует использование параметров камеры в трансформерах, позволяя моделям эффективнее интерпретировать пространственные связи между различными ракурсами. Это решение устраняет ограничения существующих систем кодирования, улучшая масштабируемость и точность обработки 3D-данных в задачах компьютерного зрения.
Эмпирическая оценка эффективности Metabolic Multi-Agent Optimizer
Исследователи провели масштабную проверку фреймворка Metabolic Multi-Agent Optimizer (MMAO), сфокусировавшись на его способности к распределению ресурсов в условиях жестких бюджетных ограничений. Авторы протестировали алгоритм на стандартных непрерывных и дискретных бенчмарках, чтобы подтвердить надежность принципа замкнутого цикла управления, лежащего в основе системы, и оценить её реальную производительность в сравнении с классическими методами оптимизации.
Исследование устойчивости нейросетей к случайным возмущениям входных данных
Исследователи представили новый подход к оценке устойчивости нейронных сетей при воздействии случайного шума на входные данные. Авторы проанализировали взаимосвязь между точностью модели, выраженной через среднеквадратичную ошибку (MSE), и её стабильностью. Разработанная метрика позволяет с высокой вероятностью определять верхнюю границу ошибки нейросети, что критически важно для повышения надежности систем машинного обучения в реальных условиях эксплуатации.
Введение в стохастические дифференциальные уравнения для генеративных моделей
Новая работа на arXiv предлагает систематический обзор применения обыкновенных и стохастических дифференциальных уравнений (СДУ) в генеративном машинном обучении. Авторы раскрывают вероятностную основу диффузионных процессов, объясняя, как математический аппарат СДУ и уравнение Фоккера-Планка лежат в основе современных архитектур для синтеза изображений, видео и молекулярных структур, обеспечивая теоретическую базу для понимания генерации данных.
ИИ-модель для контроля температуры в термоядерных реакторах
Исследователи представили нейросетевую архитектуру на базе Physics-aware Neural Operator Transformer для реконструкции температурных полей в диверторах термоядерных установок. Метод позволяет в реальном времени прогнозировать распределение тепла в вольфрамовых блоках, что критически важно для предотвращения повреждений материалов. Новая модель значительно превосходит традиционные численные методы, такие как метод конечных элементов (FEM), по скорости вычислений.
Новый подход к решению задач ARC-AGI-2 через поиск по модальностям
Исследователи представили новый метод решения задач из бенчмарка ARC-AGI-2, фокусирующийся на отборе правильных цепочек рассуждений вместо простого их генерирования. Алгоритм использует «целостное суждение о следах» (holistic trace judging), рассматривая различные модальности рассуждений как операторы поиска. Это позволяет эффективно фильтровать ошибочные, но логически связные ответы, которые часто выдают современные языковые модели.
Решение проблемы «бесплодных плато» в квантовом машинном обучении
Исследователи предложили новый подход к архитектуре квантовых нейронных сетей, основанный на динамических алгебрах Ли. Метод позволяет преодолеть фундаментальный парадокс квантового машинного обучения, где повышение выразительной способности модели неизбежно ведет к возникновению «бесплодных плато» (barren plateaus), делающих обучение градиентным спуском практически невозможным. Новая математическая база обеспечивает стабильную сходимость при масштабировании квантовых систем.
Meta представила Brain2Qwerty v2: декодирование мыслей в текст с точностью 61%
Исследовательское подразделение Meta (признана экстремистской организацией, деятельность запрещена в РФ) представило вторую версию системы Brain2Qwerty. Это неинвазивный конвейер, использующий магнитоэнцефалографию (МЭГ) для преобразования мозговой активности в текстовые сообщения. Технология достигла точности распознавания слов на уровне 61%, что является значительным шагом в развитии интерфейсов «мозг-компьютер» без необходимости хирургического вмешательства.
Together AI представила восемь исследовательских работ на конференции ICML 2026
Компания Together AI опубликовала результаты восьми научных исследований, представленных на международной конференции по машинному обучению ICML 2026. Работы охватывают полный стек технологий, от оптимизации архитектур моделей до методов эффективного обучения, которые в дальнейшем интегрируются в платформу компании для масштабируемого инференса и разработки нейросетевых решений.
Применение LLM в экономических исследованиях: руководство NBER
Национальное бюро экономических исследований (NBER) опубликовало фундаментальное руководство по использованию больших языковых моделей в историко-экономических изысканиях. Авторы анализируют, как генеративный ИИ трансформирует работу с архивными данными, автоматизирует оцифровку исторических документов и помогает в анализе неструктурированных текстов, предлагая методологическую базу для исследователей, стремящихся повысить точность и скорость обработки массивов исторической информации.
Исследование влияния ИИ-контента на качество поведенческих онлайн-исследований
Авторы статьи в Nature Communications проанализировали проблему «загрязнения» данных в онлайн-опросах, вызванного использованием LLM участниками исследований. Использование ИИ для генерации ответов искажает результаты поведенческих экспериментов, делая их менее достоверными. Исследователи предложили методы обнаружения и фильтрации таких ответов, чтобы сохранить целостность научных данных в эпоху повсеместного доступа к генеративным моделям.
Декодирование естественной речи по неинвазивным данным активности мозга
Исследователи Meta (признана экстремистской организацией, деятельность запрещена в РФ) представили метод декодирования человеческой речи на основе неинвазивных записей активности мозга, таких как МЭГ и ЭЭГ. Система способна восстанавливать целые предложения, используя архитектуру, которая сопоставляет нейронные сигналы с семантическими представлениями, полученными из предобученных языковых моделей, что открывает новые возможности для нейрокомпьютерных интерфейсов.
DiScoFormer: единая архитектура для оценки плотности и скоринга данных
Исследователи из Allen Institute for AI представили DiScoFormer — архитектуру трансформера, способную одновременно моделировать плотность распределения данных и выполнять скоринг. В отличие от традиционных подходов, требующих раздельных моделей для генерации и оценки, этот метод позволяет эффективно работать с различными распределениями, объединяя задачи обучения плотности и оценки вероятностей в едином вычислительном процессе.
LeVo 2: новый подход к генерации полноценных музыкальных композиций
Исследователи представили LeVo 2 — модель для генерации полноформатных песен, решающую проблему баланса между вокальной выразительностью и качеством инструментального сопровождения. Система использует иерархическое моделирование представлений и прогрессивное дообучение, что позволяет сохранять музыкальную связность и точно следовать заданным текстам и стилистическим промптам, преодолевая ограничения существующих языковых моделей в работе с многодорожечными аудиоданными.