Новости

Новые исследования показывают, что размер модели ИИ не всегда определяет её эффективность в вызове инструментов. Меньшие модели могут быть более полезными, если они лучше справляются с этой задачей.

Объединенные Арабские Эмираты (ОАЭ) через Институт технологических инноваций (TII) разрабатывают открытые модели искусственного интеллекта Falcon, стремясь занять активную позицию в глобальной AI-индустрии, а не быть лишь потребителем технологий.

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

Представлен новый модельный подход к прогнозированию погоды с использованием машинного обучения, который сочетает в себе эффективность и низкие затраты на обучение. Модель KARINA демонстрирует конкурентоспособные результаты по сравнению с существующими системами.

Команда Alibaba Cloud стала единственным представителем Китая, получившим высшую награду на конференции NeurIPS, что может значительно снизить затраты на обучение и вывод моделей следующего поколения Qwen без потери точности.

Исследование показывает, что разбиение симметрии в нейронных сетях, достигнутое путем расширения входных данных, значительно улучшает производительность моделей в задачах классификации изображений и решения дифференциальных уравнений.

Компания DeepSeek произвела фурор в мире ИТ, выпустив модель DeepSeek-V2, которая демонстрирует возможности дистилляции ИИ, сопоставимые с GPT-4. Это открывает новые горизонты для разработки более компактных и эффективных ИИ-моделей.

Meta представила новые модели Llama 4, но столкнулась с обвинениями в манипуляциях с бенчмарками, что ставит под сомнение их реальную эффективность.

Представлен новый алгоритм L-YOLO для обнаружения объектов на дороге, который значительно улучшает эффективность и точность по сравнению с предыдущими версиями, такими как YOLOv8s. Алгоритм демонстрирует снижение числа параметров и вычислительных затрат, сохраняя высокую производительность.

В новом исследовании представлена эффективная система на основе искусственных нейронных сетей для раннего прогнозирования коронарной болезни сердца (КБС), достигнувшая точности 96,25% благодаря современным методам оптимизации и обработки данных.

Исследователи из Университета Ухань разработали новый метод, который сочетает глубокое обучение и физическое моделирование для более точного предсказания поведения расплавленного металла в процессе селективного лазерного плавления, что может значительно улучшить эффективность аддитивного производства.

Механизмы выбора переопределяют взаимодействия нейронов, акцентируя внимание на выборе входных данных и взаимодействии данных вдоль последовательностей. Они соединяют RNN, SSM и механизмы внимания для создания более продвинутых AI-моделей.