AI výskum

Preprint Artemis navrhuje anatomicky riadený zásah proti skresleniam v modeloch nad fMRI a DTI dátami. Cieľom je obmedziť, aby GNN modely využívali vek či pohlavie ako skratku.

Nový preprint sumarizuje, ako sa strojové učenie používa pri regresii a klasifikácii pôdnej vlhkosti. Téma je dôležitá pre poľnohospodárstvo, sucho aj klimatické modelovanie.

Nový arXiv preprint opisuje matematický most medzi teóriou šokových vĺn a symetricky redukovanou dynamikou SGD. Ide skôr o teoretický pohľad než o nový tréningový trik.

Nový preprint opisuje systém Edge-TSR pre cestnú percepciu na Jetson Orin Nano. Sleduje aj javy, ktoré klasické benchmarky často nezachytia: kolísanie v čase, prehrievanie a stabilitu streamu.

Google zverejnil výskum v Nature, podľa ktorého jeho konverzačný medicínsky systém AMIE v simulovaných prípadoch zvládol komplexné riadenie ochorení na úrovni lekárov primárnej starostlivosti.

OpenAI a Molecule.one otestovali takmer autonómny systém nad laboratóriom Maria. GPT-5.4 navrhol experimenty pre náročnú Chanovu-Lamovu reakciu a výsledok následne overili ľudskí chemici.

Nový arXiv preprint navrhuje SDE aproximáciu pre lineárne TD(0) učenie pod Markovovým šumom. Cieľom je lepšie vysvetliť chybové dno pri konštantnom kroku než klasická ODE analýza.

Nový arXiv preprint hodnotí šesť architektúr počítačového videnia na dátach námorného dohľadu. Autori porovnávajú presnosť, typy chýb, veľkosť modelu aj rýchlosť spracovania videa v rôznych podmienkach.

Nový preprint skúma, ktoré typy grafových neurónových vrstiev lepšie modelujú interakcie medzi účastníkmi premávky. Pre autonómnu jazdu je to praktická otázka architektúry, nie iba benchmarková súťaž.

Preprint navrhuje praktické hodnotenie long-form simultánneho speech-to-speech prekladu. Namiesto krátkych segmentov sleduje kvalitu a latenciu v dlhom prúde reči, čo lepšie zodpovedá reálnym stretnutiam a prednáškam.

Nová práca na arXive navrhuje geometrický rámec na identifikáciu a úpravu konkrétnych pamäťových stôp v modeloch. Tvrdí, že niektoré naučené znalosti možno skladať alebo mazať lineárnymi operáciami bez opakovaného tréningu.

Nový arXiv preprint opisuje jednotný rámec pre rozhodovacie stromy, ktorý namiesto jednej pevnej chybovej miery používa širšiu triedu Bregmanových divergencií. Výsledok môže byť zaujímavý pre interpretovateľné modely, robustnejšie straty aj teoretické porovnávanie stromových algoritmov.