Исследования ИИ: технологии, модели и бенчмарки

133 материалов

Глубокие исследования искусственного интеллекта: разборы papers, моделей, бенчмарков, безопасности, регулирования и механизмов работы.

Схема исследования Google Research по трансферному обучению для геномных предсказаний

Google Research опубликовала исследование о проблемах трансферного обучения в геномных моделях

Новое исследование Google Research показывает, что перенос знаний из европейских когорт ухудшает точность полигенных рисков в небольших популяциях при росте выборки целевой группы.

Открыть материал →
Диаграмма или редакционная обложка о CW-Net для объяснения решений ИИ-планировщика беспилотного автомобиля

MIT и Motional показали CW-Net — метод объяснений для ошибок беспилотных автомобилей

Concept-Wrapper Network переводит внутренние решения AI-планировщика беспилотного автомобиля в понятные дорожные концепты и помогает водителям безопасности лучше предсказывать поведение машины.

Открыть материал →
Схематичная обложка COMRAD404 о MAPL-EMIT и спутниковом обнаружении метановых шлейфов

Google Research представила MAPL-EMIT: модель для поиска метановых шлейфов по спутниковым данным

Google Research описала MAPL-EMIT — deep learning-фреймворк для автоматического обнаружения метановых шлейфов на гиперспектральных снимках NASA EMIT. Вместе с публикацией в PNAS команда открывает...

Открыть материал →
Интерфейс бенчмарка Open ASR Leaderboard с результатами оценки речевых моделей

Open ASR Leaderboard добавляет первые языки Глобального Юга: хинди и индийский английский

Платформа Hugging Face совместно с Voice Arena интегрировала в Open ASR Leaderboard тестовые наборы Monsoon для хинди и индийского английского. Обновление направлено на преодоление...

Открыть материал →
Схема работы фреймворка PottsMPNN от MIT для дизайна белков.

Исследователи MIT представили PottsMPNN — метод генерации белков, не встречающихся в природе

Новая ML-модель PottsMPNN от MIT отходит от копирования природных последовательностей, фокусируясь на физической стабильности белков. Это может изменить подход к дизайну белков для медицины...

Открыть материал →
Схема сбоя многоагентной AI-системы: локальные цели агентов приводят к конфликту общего ресурса, после чего квоты, concurrency control и арбитраж ограничивают последствия

Многоагентные AI-системы: почему координация даёт сбой

Эксперименты Anthropic показывают: группа агентов может находить больше решений, но одновременно создавать конфликты, перегружать инфраструктуру и усиливать общие ошибки. Разбираем, как оценивать и контролировать...

Открыть материал →
Схема проверки математического результата, созданного при участии AI: от формулировки и Lean certificate до novelty, priority, репликации и peer review

AI математические открытия: как проверять доказательства

Разбираем заявление OpenAI о десяти математических результатах: что даёт Lean, почему сертификат не доказывает novelty и как проверять priority, авторство и воспроизводимость.

Открыть материал →