AI research papers, arXiv publikációk, benchmarkok, tudományos áttörések
A legfejlettebb AI-ügynökök is csak 33,7%-os pontosságot értek el tudományos következtetések szintetizálásában, még ellenőrzött körülmények között is — derül ki egy új, 9.11K kérdéses benchmarkból.
A TouchThinker-1M egymillió érintésalapú adatpontot tartalmaz 415 tárgyról és 8 forgatókönyvről, ami jelentősen bővíti a robotok fizikai világ megértését.
A kutatók által kidolgozott SWARR (Sliding-Window Attention with Reinforced Adaptation for Math Reasoning) recept jelentősen csökkenti a Sliding-Window Attention és a hagyományos self-attention közötti különbséget a matematikai feladatok megoldásában.
A Latent Inpainting Transformer (LIT) architektúra és a dinamikus tokenizálás kombinációja akár 2606.06158 azonosító alatt elérhető tanulmány szerint csökkenti a videófeldolgozás memóriaigényét.
A kutatók a SD-GRPO módszerrel 3 különböző feladaton, köztük a DOCCI-teszten értek el jobb eredményeket, mint a GRPO alapmodell.
Az AutoPET-III tesztadatokon a kutatók által kidolgozott új modell szignifikánsan javította a daganatok felismerésének megbízhatóságát a korábbi determinisztikus modellekhez képest.
Az ABot-Earth 0.5 egy új 3D keretrendszer, amely műholdképekből képes valósághű környezeteket szintézisálni, tíz perc alatt négyzetkilométerenként.
A BenSyc az első olyan teljesítményteszt, amely a bengáli társadalmi kontextusban előforduló konverzációs szofiztikát vizsgálja. Az új mérce a chatbotok túlzott bókolását és a túlzott igazodást méri.
A Pareto-vezérelt tanárillesztési módszer csökkenti a demográfiai egyenlőtlenségeket a személyre szabott AI-szövegekben, és megőrzi a testreszabás hűségét, miközben a relevancia és az elköteleződés növekedését segíti elő.
A LLaMA és Gemini modelleket használó kutatók 451 érvényes próbát futtattak, hogy teszteljék a nagy nyelvi modellek (LLM) hatékonyságát a szintetikus táblázatok valósághűségének megállapításában.
Az Isomorphic Labs új AI-motorja, az IsoDDE, képes olyan rejtett fehérjefelületeket azonosítani, amelyek normál körülmények között láthatatlanok, de specifikus molekulák kölcsönhatására nyílnak meg.
Az AI Now Institute szerint a jelenlegi adatközpont-boom a már meglévő vállalati hatalom és profit további erősítéséről szól. A kutatás feltárja az Egyesült Államok adatközpont-iparágában uralkodó vállalati hatalmi viszonyokat.
Egy új tanulmány szerint a korai tokenbizalom erősebb előrejelzője az érvelés minőségének, mint a teljes szövegre vonatkozó statisztikák. Az eredményeket az ASAP esszé-készleteken tesztelték.
Az új GNOVA AI-keretrendszer az Alzheimer-kór teljes lefolyását képes rekonstruálni és előrejelezni rutin klinikai adatokból, neuroimaging vagy biomarker adatok nélkül. A modell 1,727 beteg 10 éves adatait elemezte.
A WikiText adathalmazon a módszer akár 21%-kal csökkentette a perplexitást, a memóriahasználatot pedig 85%-kal lehet vele csökkenteni.
A nyelvi modellek a betanítás után nem tanulnak új információkat, ami anterográd amnéziához hasonlít — állítják a Google és a Cornell kutatói új tanulmányukban.
A bicache nevű új eljárás 36,3-98,3%-kal növeli a diffúziós nyelvi modellek kiszolgálási sebességét, miközben a pontosság mindössze 0-1,8%-kal csökken.
Kutatók két új keretrendszert mutattak be, amelyek kollektív audio-video jelek felhasználásával ismerik fel a csoportok érzelmi állapotát, csökkentve az egyéni megfigyelés kockázatát. A módszer a csoportos érzelemfelismerés területén új megközelítést jelent.
Az adatínség és a privát adatok kezelése kihívást jelent a szintetikus képgeneráló AI-k számára. Új értékelési keretrendszer mutatja a különbségeket a VAE, GAN és DDPM modellek között.
Richard Sutton, a SAIR Foundation kutatója szerint a felügyelt tanulással betanított generatív AI képtelen valódi újdonságokat felfedezni, csak utánzóra képes.
A GPU-k órajelet és feszültséget dinamikusan szabályozó technikával akár 14%-kal csökkenthető a nagy nyelvi modellek, például a GPT-4 betanításához szükséges energia, miközben a számítási sebesség szinte változatlan marad.
Tetszik az oldal? Támogasd a fejlesztést
Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.