// AI на русском
431 статьи по теме
DocArena — система для создания обучающих сред из документов для агентов поиска; включает набор данных DocArena-79K и инфраструктуру Doc-Search agent; показывает высокие результаты в поиске и контроле качества.
Гибридный метод с обработкой изображений и ML оценивает свежесть фруктов с точностью свыше 90%, упрощая контроль качества в сельском хозяйстве.
Разработана модель, объясняющая фототаксис водорослей через обучение с подкреплением и биохимические реакции; она воспроизводит эмпирические данные о движении клеток.
Создан тест Know2Guess для оценки границ знаний в LLM: 1200 заданий в 5 областях, проверка моделей FLAN-T5, Qwen2.5-Instruct, Llama-3-Instruct.
Создана нейросеть для быстрого и точного прогнозирования эволюции физических систем, учитывающая законы физики; эффективна для разных типов смесей.
Авторы предложили оценивать ИИ-агентов не только по точности, но и по другим параметрам (надёжность, эффективность и др.), представив обновлённый тест CORE-Bench и выявив ускорение решения задач при взаимодействии человека и агента.
Разработан метод выявления и устранения подхалимажа в языковых моделях с помощью каскадных линейных функций — он эффективнее базовых подходов и требует меньше вычислений.
HierBias — система для выявления предвзятости в СМИ с учётом контекста документа. Превосходит существующие решения по метрикам F1 и MCC.
OpenAI совместно с Broadcom представила чип Jalapeño для серверов ИИ — он предназначен для работы с моделями LLM и обработки запросов в ChatGPT. Чип должен снизить зависимость OpenAI от графических процессоров Nvidia. Предварительные тесты демонстрируют высокую производительность решения.
Компания Unconventional под руководством Навина Рао разработала модель ИИ Un-0 для генерации изображений. Она построена на осцилляторной архитектуре, которая отличается от традиционных решений. Рао утверждает, что технология позволит снизить энергопотребление ИИ в 1000 раз.
Оптимизация обучения ИИ‑моделей с помощью Amazon SageMaker AI и NVIDIA Blackwell позволяет преодолеть ограничения при обучении крупных моделей. Решение включает настройку размеров батчей и длин последовательностей, активацию чекпоинтинга, выбор подходящих форматов точности и использование TransformerEngine. Для разных размеров моделей применяются различные стратегии оптимизации.