Исследования и наука
Исследование прозрачности логических выводов модели DiffusionGemma
Исследователи проанализировали прозрачность процесса принятия решений в модели DiffusionGemma. Основной вопрос работы заключается в том, как архитектурные особенности модели, выполняющей значительную часть вычислений в непрерывном латентном пространстве, влияют на интерпретируемость её логических выводов. Понимание того, как именно нейросеть приходит к конкретному результату, критически важно для отладки поведения системы, предотвращения ошибок и минимизации рисков нецелевого использования технологий.
UNIEGO: новый подход к обучению представлений в эгоцентрических видео
Исследователи представили метод UNIEGO, направленный на решение проблемы ограниченного обзора в эгоцентрических видео, снятых с носимых камер. Основная сложность таких данных заключается в узком угле обзора, единственной модальности и зависимости от конкретной модели, что не позволяет полноценно интерпретировать человеческие действия. Авторы работы предлагают использовать прокси-модели в качестве посредников для объединения знаний из различных источников.
Новый подход к токенизации интересов пользователей в генеративных рекомендательных системах
Исследователи представили метод структурирования и токенизации распределенного контекста интересов пользователей для генеративных рекомендательных систем. Традиционные подходы к рекомендациям часто сталкиваются с трудностями при обработке сложных данных о поведении пользователей, что ограничивает точность прогнозирования будущих взаимодействий. Предложенная архитектура направлена на более эффективное связывание семантики объектов с моделями рекомендаций.
Новый подход к механизму внимания через теорию групп Ли
Исследователи представили математическую модель внимания, в которой токены рассматриваются как элементы матричных групп Ли. В отличие от традиционных архитектур, где токены представляют собой векторы признаков, здесь каждый токен выступает как чистое геометрическое преобразование без внешней нагрузки. Такой подход позволяет вычислять оценки внимания через алгебраическую норму относительного положения, а не через обучаемые ядра, как это реализовано в стандартных трансформерах.
Исследование распространения предвзятости в мультиагентных системах
Исследователи представили концепцию Contagion Networks — формальный метод для отслеживания того, как систематические ошибки и предвзятость моделей-оценщиков передаются между участниками мультиагентных систем. В архитектурах, где одни агенты проверяют или корректируют работу других, субъективные искажения в суждениях «оценщика» могут накапливаться и искажать итоговый результат всей цепочки обработки данных.
Новая математическая модель для анализа многоагентных систем
Исследователи представили теоретическую базу для анализа сложных многоагентных систем, в которых действия отдельных участников напрямую влияют на общие наблюдаемые результаты. Работа описывает динамику систем с обратными связями, используя два ключевых параметра: «мощность» (power), определяющую степень влияния агента на коллективный исход, и «функции отклика» (response functions), характеризующие реакцию агента на изменение среды.
Автоматизированное обучение мультимодальных моделей для радиологии
Исследователи представили метод обучения визуально-языковых моделей (VLM) для анализа медицинских изображений без необходимости ручной разметки пространственных данных. В основе подхода лежит набор данных RefRad2D, включающий 1,2 миллиона пар снимков КТ и МРТ с описаниями на английском и немецком языках. Этот массив данных был сформирован на основе реальной клинической практики.
Новый подход к поиску математических решений через агентные системы
Исследователи представили фреймворк Agentic Symbolic Search (ASYS), предназначенный для анализа дифференциальных уравнений в частных производных. В отличие от традиционных численных методов или нейронных сетей, которые оперируют массивами данных или аппроксимациями, новый подход направлен на выявление фундаментальных математических структур, описывающих поведение системы. Это позволяет получать решения в виде аналитических выражений, что ближе к классическому математическому анализу.
Новый подход к созданию синтетических данных для интерпретируемости нейросетей
Исследователи представили новый метод генерации синтетических наборов данных, предназначенных для тестирования методов интерпретируемости нейронных сетей. Существующие синтетические датасеты часто не отражают сложную иерархическую структуру реальных данных, что ограничивает их применимость при оценке того, как именно модели обучаются распознавать признаки.
Гибридное моделирование для прогнозирования круговорота органики в почве
Исследователи представили новый подход к моделированию динамики почвенных микроорганизмов, объединяющий классические процессные модели с методами машинного обучения. Учет микробной активности является ключевым фактором для понимания процессов разложения органического вещества и прогнозирования того, как почвенные экосистемы будут реагировать на климатические изменения. Традиционные математические модели часто сталкиваются с трудностями при параметризации из-за сложности биологических систем и нехватки точных данных.
Рекуррентные нейросети могут аппроксимировать непрерывные функции через время работы
Исследователи представили доказательство того, что рекуррентные нейронные сети (RNN) способны аппроксимировать любые непрерывные функции на заданном отрезке, используя уникальный подход к повышению точности. В отличие от классических методов, требующих создания новой архитектуры сети при каждом повышении требований к точности, предложенная модель остается неизменной. Вместо изменения структуры сети, точность вычислений достигается за счет увеличения времени работы системы.
Исследование качества кода: ИИ против человека
Аналитики изучили более 112 000 коммитов в репозиториях с открытым исходным кодом, чтобы сравнить частоту возникновения ошибок в коде, написанном с помощью ИИ, и коде, созданном людьми. Исследование сфокусировалось на выявлении корреляций между использованием инструментов автодополнения и количеством багов, исправляемых в последующих итерациях разработки.
Новый метод ELVA для улучшения универсального мультимодального поиска
Исследователи представили метод ELVA (Exploring Ranking-Driven Universal Multimodal Retrieval), направленный на повышение точности мультимодального поиска. Современные мультимодальные языковые модели часто сталкиваются с проблемой «зернистой слепоты» (grain blindness), при которой система игнорирует детализированную информацию в данных, фокусируясь лишь на общих признаках объекта. Это ограничение снижает эффективность поиска в задачах, требующих высокой точности сопоставления визуальных и текстовых элементов.
Новый подход к редакционному контролю в LLM-системах
Исследователи представили концепцию «редакционного алайнмента» (Editorial Alignment), направленную на сохранение экспертного контроля над распространением знаний в эпоху LLM. Авторы работы анализируют проблему, при которой предобученные модели навязывают собственные ценности и алгоритмы фильтрации, фактически подменяя собой традиционные институты проверки информации. Это создает риски для качества контента и снижает авторитетность специализированных источников, чьи редакционные стандарты игнорируются в процессе генерации ответов.
Метод разрешения конфликтов знаний в LLM при работе с внешними данными
Исследователи представили новый подход к решению проблемы противоречий между внутренними параметрическими знаниями языковых моделей и информацией, поступающей из внешнего контекста. В современных системах, использующих RAG или длинные промпты, модель часто сталкивается с ситуацией, когда данные в запросе пользователя противоречат тому, что было «выучено» моделью в процессе обучения. Это приводит к галлюцинациям или снижению точности ответов, так как модель не может эффективно приоритизировать источники данных.
Термодинамический подход к измерению интеллекта
Исследователи предложили новую теоретическую модель для количественной оценки интеллекта, опираясь на принципы термодинамики. Согласно этой концепции, интеллект определяется как способность системы увеличивать вероятность наступления редких, но допустимых состояний будущего, которые были бы маловероятны при пассивном развитии событий. Авторы работы рассматривают интеллект не как абстрактное свойство, а как механизм, позволяющий системе активно моделировать окружающую среду и свое положение в ней.
Использование ИИ для автоматизации написания кода в физическом моделировании
Проект OpenWave представил подход к использованию языковых моделей для генерации программного кода, предназначенного для симуляции поведения элементарных частиц. Система автоматизирует создание вычислительных сред, позволяя исследователям быстрее тестировать новые теоретические модели физических процессов. Вместо ручного написания скриптов для сложных симуляций, ИИ берет на себя формирование логики взаимодействия объектов в виртуальной среде.
Next-Latent Prediction: новый подход к обучению компактных моделей мира
Исследователи представили метод Next-Latent Prediction (NLP), который меняет подход к обучению трансформеров для моделирования динамических сред. В отличие от традиционных моделей, предсказывающих будущие токены в пространстве пикселей или дискретных состояний, этот метод фокусируется на прогнозировании скрытых представлений (латентных векторов). Такой подход позволяет модели сжимать информацию о визуальных и физических процессах, отсекая избыточные детали и концентрируясь на ключевых закономерностях среды.
Мелани Митчелл о непредсказуемости современных LLM
Профессор Мелани Митчелл в своей статье для Yale Review анализирует феномен «зубчатого интеллекта» (jagged intelligence) у современных языковых моделей. Автор отмечает, что ИИ демонстрирует крайне неравномерные способности: системы могут блестяще справляться со сложными логическими задачами или написанием кода, но при этом совершать элементарные ошибки в простых вопросах, требующих здравого смысла или понимания физического мира.
Влияние генеративного ИИ на успеваемость школьников
Исследование, опубликованное в рамках дискуссионных материалов CEPR, анализирует влияние использования генеративного ИИ на академические результаты учащихся средних школ в Китае. Авторы работы сфокусировались на том, как доступ к нейросетевым инструментам меняет процесс усвоения знаний и влияет на когнитивные способности школьников в долгосрочной перспективе.
Использование языковых моделей для картирования нейронных основ человеческой речи
Исследователи представили работу, опубликованную в журнале Nature, в которой нейросетевые архитектуры применяются для анализа механизмов обработки языка в человеческом мозге. Ученые использовали большие языковые модели в качестве вычислительных инструментов для сопоставления паттернов нейронной активности с лингвистическими структурами. Это позволило выявить, как именно мозг кодирует семантические и синтаксические компоненты речи в режиме реального времени.
Amazon и QuEra планируют внедрить полезную коррекцию квантовых ошибок к 2028 году
Компании Amazon и QuEra объявили о дорожной карте, согласно которой полноценная коррекция ошибок в квантовых вычислениях станет доступной к 2028 году. Квантовые системы крайне чувствительны к внешним помехам, что приводит к потере данных и сбоям в расчетах. Разработка надежных методов исправления этих ошибок является главным препятствием на пути к созданию масштабируемых квантовых компьютеров, способных решать задачи, недоступные для классической архитектуры.
Критика методологии ИИ-исследований через симуляцию в Age of Empires II
Исследователь Microsoft продемонстрировал необычный подход к анализу современной научной литературы в области искусственного интеллекта, создав работающую нейронную сеть внутри редактора карт стратегии Age of Empires II. В качестве «нейронов» и связей в этой системе выступили игровые объекты: козы, мосты и ледяные рампы. Этот проект стал визуальной метафорой для критики текущих методов оценки больших языковых моделей.
OmniAgent: новый подход к анализу длинных видео через активное восприятие
Исследователи представили OmniAgent — архитектуру для анализа видео, которая отходит от традиционной модели «пассивного просмотра». В отличие от существующих систем, которые обрабатывают все кадры видеоряда равномерно, что приводит к линейному росту вычислительных затрат при увеличении длительности записи, новый метод имитирует активное восприятие. Система самостоятельно выбирает наиболее информативные фрагменты для анализа в зависимости от поставленного запроса.