машинно обучение

Клинични прагове при ИИ и оценка на прогнозите от експерти

Клинични граници в изкуствения интелект: кога опростяването прави прогнозите по-разбираеми

Едно проучване за исхемичния инсулт показва кога разбираемите граници поддържат ефективността на даден модел за изкуствен интелект и кога те губят критичен сигнал.

Прочетете повечеКлинични граници в изкуствения интелект: кога опростяването прави прогнозите по-разбираеми
Индекс на запалване и динамична информация в инфраструктурата на LLM
Αυτοματοποιημένη ροή εργασίας με state-matched καθοδήγηση για AI agent

SMRC-SD: γιατί η σωστή καθοδήγηση ενός AI agent εξαρτάται από την κατάστασή του

Το SMRC-SD ελέγχει αν μια επιτυχημένη διαδρομή ταιριάζει με την πραγματική κατάσταση ενός AI agent πριν τη χρησιμοποιήσει ως καθοδήγηση. Δείτε τι έδειξαν ALFWorld, WebShop και τα ablation tests.

Прочетете повечеSMRC-SD: γιατί η σωστή καθοδήγηση ενός AI agent εξαρτάται από την κατάστασή του
Παίκτης σκακιού αποφασίζει υπό χρονική πίεση για το Otter Chess AI

Otter Chess AI: όταν το ιστορικό και το χρονόμετρο προβλέπουν την ανθρώπινη απόφαση

Το Otter Chess AI προβλέπει ανθρώπινες κινήσεις συνδυάζοντας τη σκακιέρα με ιστορικό 20 κινήσεων, Elo και πίεση χρόνου. Δείτε τι αποδεικνύει η μελέτη και πώς μεταφέρεται υπεύθυνα σε επιχειρηματικά συστήματα.

Прочетете повечеOtter Chess AI: όταν το ιστορικό και το χρονόμετρο προβλέπουν την ανθρώπινη απόφαση
Μικρό διαγνωστικό σύστημα εντοπίζει τοπικό σφάλμα για τη Woodpecker Distillation

Woodpecker Distillation: όταν ένα ασθενέστερο AI εντοπίζει τα λάθη ενός ισχυρότερου

Η Woodpecker Distillation χρησιμοποιεί ασθενέστερο μοντέλο ως diagnostic probe. Δείτε πώς τα contrastive patches, ο verifier και τα ablations αποκαλύπτουν τοπικά reasoning bugs.

Прочетете повечеWoodpecker Distillation: όταν ένα ασθενέστερο AI εντοπίζει τα λάθη ενός ισχυρότερου
Ερευνητές αξιολογούν self-distillation στα LLMs με δοκιμές προσαρμογής

Self-distillation στα LLMs: όταν η μίμηση μιας σωστής λύσης βλάπτει το reasoning

Το self-distillation στα LLMs μπορεί να μειώνει το training loss χωρίς να βελτιώνει το reasoning. Η μελέτη εξηγεί το PI bias και τα σωστά task-level metrics.

Прочетете повечеSelf-distillation στα LLMs: όταν η μίμηση μιας σωστής λύσης βλάπτει το reasoning
Έξι ειδικοί συνεργάζονται σε αρθρωτό υπολογιστικό σύστημα για DoctorAgents AutoML

DoctorAgents: όταν το AutoML αποκτά μνήμη, ρόλους και στοχευμένη βελτίωση

Το DoctorAgents οργανώνει το AutoML ως κύκλο εξειδικευμένων agents με εκτέλεση, επίμονη μνήμη και στοχευμένη βελτίωση αντί για τυφλή αναζήτηση.

Прочетете повечеDoctorAgents: όταν το AutoML αποκτά μνήμη, ρόλους και στοχευμένη βελτίωση
Двама експерти проверяват инфраструктурата за изкуствен интелект с цел надеждна оценка на векторите на управление и веригата от разсъждения

Когато изкуственият интелект обяснява погрешно мотивите си: какво показват векторите на управление

Какво показва новото проучване относно „steering vectors“, „cue acknowledgment“ и границите на „chain of thought“ като обяснение в бизнес работните потоци, свързани с изкуствения интелект.

Прочетете повечеКогато изкуственият интелект обяснява погрешно мотивите си: какво показват векторите на управление