Новости

Netflix представила новый подход к рекомендациям и поиску контента с помощью модели UniCoRn, которая объединяет задачи поиска и рекомендаций, а также внедрила основанную на трансформерах модель для глубокого понимания предпочтений пользователей.

В новом исследовании рассматривается использование трансформерной модели HuBERT для классификации музыкальных настроений, что позволяет достичь высокой точности в 95%. Это открывает новые горизонты для систем рекомендаций и эмоционального интеллекта в ИИ.

Разработан новый эмулятор радиационного переноса на основе архитектуры трансформеров, который ускоряет расчеты атмосфер экзопланет в 100 раз по сравнению с традиционными методами, сохраняя высокую точность.

Новая трансформерная модель META-SiM автоматизирует анализ данных на уровне отдельных молекул, ускоряя открытие новых биологических процессов, включая ранее не обнаруженный промежуточный этап сплайсинга pre-mRNA.

Исследования в области ИИ приближаются к созданию моделей, которые могут имитировать работу человеческого мозга. Новая архитектура, разработанная стартапом Pathway, обещает улучшить понимание нейронных связей и их влияния на выводы моделей.

Исследователи из UC Berkeley разработали новый инструмент на основе ИИ, который оптимизирует проектирование сложных роботов-трансформеров, позволяя им адаптироваться к различным условиям без усложнения системы управления.

Представлен новый метод многомодального выделения признаков (MFDM) для повышения точности диагностики заболеваний легких на основе МРТ. Метод использует трансформерные сети для улучшения классификации и обнаружения инфицированных областей.

Исследователи разработали нейросеть на основе трансформеров для проектирования липидных наночастиц, что может ускорить создание новых терапий на основе РНК. Модель COMET предсказывает эффективность формул, используя обширный набор данных.

Внедрение искусственного интеллекта в взаимодействие человека и робота значительно улучшает автоматизацию в современных производственных условиях. Новая модель использует Retrieval-Augmented Generation и трансформеры для повышения гибкости и принятия решений роботами.

Представлен новый глубокий обучающий фреймворк ST-CFI, который сочетает в себе Swin Transformer и свёрточные нейронные сети для точной идентификации болезней растений. Модель демонстрирует высокую точность на различных наборах данных, что делает её полезной для точного сельского хозяйства.

Представлен новый подход к сегментации опухолей мозга с использованием архитектуры DSIT-UNet, которая сочетает в себе трансформеры и U-Net. Модель продемонстрировала выдающиеся результаты на нескольких наборах данных, улучшив точность сегментации и устойчивость к сложным морфологиям опухолей.

Корейские исследователи разработали ИИ-модель, способную с 91,1% точностью определять хрипящие звуки у детей, что является важным показателем респираторных заболеваний, таких как астма.