AI výskum

Štúdia Apple oddeľuje vplyv dát, základného modelu a algoritmu pri preferenčnom ladení MLLM. Metóda BDHS znižuje závislosť od externého učiteľa, no výsledky zostávajú obmedzené na modely LLaVA a benchmarky.

Nový preprint ukazuje, že zmena reprezentácie gaussovského grafového modelu môže výrazne urýchliť Gibbsovo vzorkovanie. Výhodu podporujú teoretické výsledky aj experimenty, zatiaľ však platí najmä pre úzko vymedzenú triedu modelov.

Benchmark porovnal 3D U-Net, SegResNet, Swin UNETR, SegMamba a SegMambaV2 na dvoch úlohách z kolekcií BraTS. Výsledky ukazujú kompromisy medzi presnosťou a výpočtovou náročnosťou, nie model pripravený na samostatné klinické rozhodovanie.

Nový korpus spája automatický prepis, rozpoznanie rečníkov a LLM klasifikáciu 60 miliónov riadkov vysielania.

Metóda LEAD kombinuje rozklad úlohy s krátkym výhľadom a prekrývajúcimi sa pokusmi. Má obmedziť situácie, keď jediný chybný krok nenávratne pokazí celé dlhé riešenie.

Nový výskumný rámec nahrádza niekoľko ručne vybraných znakov listu analýzou celej cievnej siete. Spája transformerovú detekciu hrán so štatistickým modelom a na dátach topoľov hľadá interakcie medzi génmi, geografiou a tvarom žilnatiny.

Nová práca na arXive rieši, ako kombinovať viac štatistických testov v situáciách, kde medzi dátami nepoznáme zložité závislosti. Pre AI je to dôležité najmä pri hodnotení modelov, auditoch a sekvenčných experimentoch, kde zle kalibrované dôkazy môžu viesť k príliš sebavedomým záverom.

Preprint o hybridných sekvenčných modeloch spochybňuje jednoduchú predstavu, že väčšie modely automaticky získajú rovnaké schopnosti. Autori tvrdia, že kľúčová je kombinácia kompresnej pamäte a presného prístupu k uloženým faktom.

Dve nové práce z Apple Machine Learning Research riešia interaktívne dôkazy, pri ktorých overovateľ nemusí čítať celé dáta. Pre AI je to dôležitý základ pre auditovanie modelov, dátových analýz a tvrdení, ktoré vznikajú nad rozsiahlymi distribúciami.

Hugging Face a Hume AI predstavili Real World VoiceEQ, rozsiahly benchmark pre hlasové modely. Namiesto samotnej chybovosti prepisu sleduje, či systémy zachytia emóciu, neistotu, identitu hlasu, šum a prirodzenosť reakcie v reálnom rozhovore.

Nový preprint opisuje prostredie so 420-tisíc viacskokovými úlohami a samodestilačný postup DeepSearch-Evolve. Cieľom je trénovať webových agentov bez stáleho kopírovania silnejšieho učiteľa a s výsledkami, ktoré sa dajú reprodukovateľne overiť.

IBM Research predstavil CoFrGeNets, architektúru pre generovanie jazyka, ktorá nahrádza pozornosť a feed-forward bloky v transformeroch kompaktnejšími komponentmi. Výsledky sú zatiaľ výskumné, ale ukazujú smer k menším modelom s nižšími nárokmi na tréning.