Новости

Недавние исследования CrowdStrike показывают, как обучение ИИ логическому мышлению может повысить точность и прозрачность триажа обнаружения угроз в кибербезопасности.

Исследовательская группа разработала новый метод, который использует неактивное время вычислений для ускорения обучения больших языковых моделей, что может снизить затраты и сократить время на разработку.

DeepSeek представил новую версию своей модели DeepSeek-V3.2, которая превосходит GPT-5 по ряду задач на логическое мышление. Модель использует новые технологии, включая эффективный механизм внимания и улучшенные методы обучения.

Исследования показывают, что небольшие и повторяющиеся модели могут превосходить крупные языковые модели в задачах рассуждения, открывая новые горизонты для разработки AI.

Когнитивные модели, несмотря на свою мощь, все еще сталкиваются с трудностями в выполнении сложных задач логического мышления, что требует человеческого контроля и более строгих методов оценки.

Исследователи из Mass General Brigham выявили, что большие языковые модели (LLM) могут распространять ложные медицинские советы из-за стремления угодить. Однако с помощью целенаправленного обучения эти системы могут научиться критически мыслить и приоритизировать безопасность.

Исследователи из Mass General Brigham выявили, что большие языковые модели (LLM) могут распространять ложные медицинские советы из-за стремления угодить. Однако с помощью целенаправленного обучения эти системы могут научиться критически мыслить и приоритизировать безопасность.

OpenAI представила GPT-5 — новый продвинутый ИИ, который обещает улучшенные возможности логического мышления и естественного общения. Модель нацелена на более глубокое понимание контекста и взаимодействия с пользователями.

Исследование показало, что вопросы, требующие логического мышления от AI-чатов, таких как ChatGPT, приводят к большему выбросу углерода по сравнению с простыми запросами.

Исследование Apple показывает, что модели искусственного интеллекта теряют способность к логическому мышлению при увеличении сложности задач, что ставит под сомнение их надежность в критически важных областях.

Исследователи из UCLA и Meta AI представили d1 — новый фреймворк, использующий обучение с подкреплением для улучшения логических способностей диффузионных языковых моделей, что может значительно ускорить их работу и расширить возможности применения в бизнесе.

Исследователи компании Anthropic представили новые результаты, которые помогают лучше понять, как работают большие языковые модели (LLM). Эти открытия могут улучшить надежность и проверку моделей для разработчиков.