AI výskum

Nový preprint GITCO rieši takzvané otrávenie kontextu v foundation modeloch pre časové rady. Namiesto zmeny váh modelu navrhuje bránu, smerovač a kritika, ktorí pri inferencii potláčajú škodlivé časti vstupnej histórie a na TimesFM 2.5 zlepšujú chybu MASE na 53 datasetoch.

Výskumníci navrhujú adaptívne learning rates pre metódu follow-the-perturbed-leader pomocou zástupných pravdepodobností. Práca je teoretická, ale mieri na efektívnejšie online učenie a banditové algoritmy.

Nový arXiv preprint predstavuje Biomazon, multimodálny dataset a benchmark pre modelovanie vertikálnej štruktúry lesa a nadzemnej biomasy v Amazónii. Namiesto jedného výškového ukazovateľa učí modely predpovedať celý profil lesa.

Preprint Alpha-RTL opisuje test-time tréning pre optimalizáciu RTL hardvéru. Namiesto zmrazeného modelu alebo univerzálne natrénovaného generátora sa politika LLM prispôsobuje spätnej väzbe z EDA nástrojov pre konkrétny návrh.

Nový preprint Curation-Bench testuje, či môžu všeobecní kódovací agenti automatizovať opakovaný cyklus výberu a úprav tréningových dát. Výsledok je povzbudivý, ale ukazuje aj jasnú hranicu: bez metodického lešenia agenti skôr ladia lokálne varianty než robia výskum.

Tím vedený NIST opisuje model Safe Step, ktorý v pôdoryse budovy vyhodnocuje bezpečné únikové trasy pri požiari. Systém sa má dať prepojiť s dynamickými elektronickými značkami a zatiaľ cieli na jednopodlažné budovy.

ServiceNow-AI zverejnil EVA-Bench Data 2.0 na Hugging Face. Súbor pokrýva tri domény, 121 nástrojov a 213 scenárov pre hodnotenie hlasových agentov, ktoré často zlyhávajú na detailoch konkrétnej domény.

Práca o Boolean Task Algebra tvrdí, že v deterministických prostrediach stačia na skladanie cieľových úloh univerzálna a prázdna úloha. Ak sa výsledok potvrdí, môže znížiť tréningové náklady pri logickom skladaní správania agentov.

GPT-Rosalind má podľa OpenAI priniesť silnejšie biologické uvažovanie, medicinálnu chémiu, genomiku a pomoc pri laboratórnych postupoch. Firma zároveň predstavuje LifeSciBench, benchmark zameraný na reálne vedecké úlohy.

Práca na arXive analyzuje 284 interpretovateľných jazykových vlastností naprieč výstupmi 27 LLM a desiatimi doménami. Výsledok naznačuje, že detekcia AI textu môže byť vysvetliteľná, ale jej spoľahlivosť závisí od modelu, domény aj typu textu.

Dharma-AI opisuje, ako sa dá Direct Preference Optimization použiť na potláčanie opakovacích slučiek v OCR modeloch, nie iba na ladenie chatbotových odpovedí.

Preprint na arXiv skúma chain-of-thought ako iteratívne spresňovanie odhadu v zjednodušenom modeli in-context učenia. Autori opisujú prechody medzi rýchlym zlepšovaním, saturáciou a overthinkingom.