Kutatás
89%-ban blokkolja a veszélyes lépéseket az új AI-ügynök értékelési protokoll
Az AI-ügynökök nem csak a feladatok elvégzését, hanem a tétlenség kompetenciáját is méri az új kutatás, amely 89%-ban blokkolja a veszélyes lépéseket.
Kutatás
AI research papers, arXiv publikációk, benchmarkok, tudományos áttörések
Kutatás
Kutatók: LLM tévedések
A nagy nyelvi modellek tévedései kimutathatók a belső rétegekben. A Stanford és a Google Robotics kutatói fedezték fel ezt.
Kutatás
Matematikusok: ne higgyenek az AI-hype-nak, védi a kutatást a Leideni Nyilatkozat
Az AI-cégek engedély nélkül használják a publikált matematikai kutatásokat, ami veszélyezteti a bizonyítások integritását és az etikai normákat — figyelmeztet a Leideni Nyilatkozat, melyet a Nemzetközi Matematikai Unió is támogat.
Kutatás
YOLOv9-alapú AI 0.1 pixeles pontossággal méri a részecskéket
A kutatásban egy új mélytanulási keretrendszerrel, a DefocusTrackerAI-val érték el a 0.1 pixeles pontosságot. A modell a YOLOv9 objektumdetektáló modellre épül, és szinesztetikus adathalmazon lett betanítva.
Kutatás
AI-ügynökök jövője: új tanulmány
Egy új tanulmány integrálja a világmodellek építészeti, módszertani és alkalmazási irányzatait az emberi intelligenciát megközelítő AI-ügynökök fejlesztéséhez. A kutatás célja, hogy egységes keretrendszert teremtsen a területen belüli sokféle megközelítésnek.
Kutatás
Kutatók fejlesztettek egy új ATOM keretrendszert a molekulák optimalizálására
A kutatók szerint az ATOM keretrendszer hatékonyabban képes kezelni a molekulatervezés során felmerülő ellentétes célokat. Az új módszerrel elérhető jobb Pareto-lefedettség és hipervolumen jelentősen javíthatja a molekulatervezést.
Kutatás
AI-alapú orvosi diagnózisok: A legfejlettebb modellek is elbuknak kritikus helyzetekben
A legfejlettebb orvosi LLM-ek is súlyos hibákat véthetnek kritikus klinikai helyzetekben. 11 kortárs LLM-et teszteltek 690 klinikailag megalapozott forgatókönyvön keresztül.
Kutatás
474 játékkal tesztelik az AI-k érvelését: a Stanford és a Google Robotics új benchmarkja
Az új keretrendszer a feladatok szabályait adva arra kényszeríti a modelleket, hogy maguk szerezzenek információt a környezetből, majd ezek alapján hozzanak döntést.
Kutatás
Új AI-modell 95%-os pontossággal szegmentálja az agydaganatokat
Az új GCSER-UNet modell 95%-os dice score-t ért el az agydaganatok szegmentálásában, ami jelentős előrelépés a korábbi 94%-os csúcshoz képest.
Kutatás
ReGuLaR: A vizuális bizonyítékok jobb megértésével javítja az AI-modelleket
A ReGuLaR keretrendszer a vizuális bizonyítékokhoz köti a modell belső érvelését, javítva a pontosságot.
Kutatás
LLM-ek torzítása: 1 bangla kutatás
Egy új bangla nyelvű kutatás kimutatta, hogy az angol nyelvű utasítások a globális narratívákat részesítik előnyben a helyi kontextusokkal szemben az LLM-ekben. A kutatás szerint ez csökkenti a helyi perspektívák lefedettségét.
Kutatás
Calibrated Preference Learning: The Case of Label Ranking
A Stanford és a Google kutatói szerint a legtöbb LLM rosszul van kalibrálva rangsorolásnál. Ez befolyásolhatja a megbízhatóságukat.
Kutatás
Tökéletes szabálykövetést hoz a DisjunctiveNet neurális hálózat
A DisjunctiveNet nevű új keretrendszer lehetővé teszi, hogy a neurális hálózatok pontosan betartsák a logikai és lineáris szabályokat, miközben megőrzik a tanulási képességüket.
Kutatás
80,37%-os hatékonyságot ért el az új MADQI-módszer a hajózási anomáliák kiszűrésében
A tengeri hajózási adatokban előforduló rendellenességek, mint a sebességugrások vagy pozícióeltérések kiszűrésére új minőségi mutatót, a MADQI-t fejlesztették ki. A módszer 80,37%-os hatékonyságot ért el az AIS-adatokon.
Kutatás
Hao Zhu: 2 AI-ügynök
A Stanford-kutatás szerint a két legjobb kódoló AI képességei 50%-ra csökkentek, amikor együttműködtek. A CooperBench tesztben a csapatmunka hátrányosnak bizonyult.
Kutatás
MAVEN rendszer 23%-kal javítja az AI-ügynökök általánosítását komplex feladatokon
A MAVEN nevű új szimbolikus keretrendszer 23%-kal növeli az AI-ügynökök pontosságát a bonyolult feladatok megoldásában, miközben a számítási költségeket tizedére csökkenti.
Kutatás
Új AI-modell gyorsítja a sarkvidéki műholdfelvételek elemzését
Az új, diverzitás-központú adatkúrával és önfelügyelt tanulással betanított AI-modell 5-8 százalékkal javítja a sarkvidéki infrastruktúra és más objektumok felismerésének pontosságát.
Kutatás
CanLegalRAGBench: Evaluating Retrieval-Augmented Generation on Canadian Case Law
A kanadai jogi AI válaszainak 8-29%-a nem támasztható alá. A hibás válaszok aránya a CanLegalRAGBench teszt szerint változó.
Kutatás
Dex2HOI: Új AI-modell szimulál kétkezes, kétobjektumos ember-tárgy interakciókat
A Dex2HOI modell szimulálja az emberi kétkezes, kétobjektumos mozgásokat szöveges leírások alapján. A modell Dual-Stream Diffusion megközelítést használ, amelyben minden tárgy saját interakciós csatornán fut.
Kutatás
Berlin kutató 15 szponzort keres AI-biztonsági eszközeihez
Mahipal Mahipal, berlini AI-biztonsági kutató 15 havi támogatót keres ingyenes, nyílt forráskódú eszközeihez, melyek a kiberbiztonságot hivatottak fejleszteni.
Kutatás
AI-ügynökök buknak a hosszú elemzéseken: 48%-os pontosság az új teszten
A legjobb modellek is csak 48,45%-os pontossággal teljesítenek a LongDS nevű új teljesítményteszten, amely az iteratív, hosszú távú adatelemzési feladatokat vizsgálja.