Tag
Všetky publikované články, v ktorých sa téma AI výskum objavuje ako dôležitý kontext. Aktuálne 9 textov v archíve.
Nový preprint α-TCAV tvrdí, že bežne používané skóre TCAV má v citlivých režimoch neodstrániteľný rozptyl. Autori navrhujú hladšiu formuláciu, ktorá má priniesť stabilnejšie vysvetlenia a nižšie výpočtové náklady.
Nový arXiv paper navrhuje tréningový rámec, v ktorom si jazykový model počas posilňovaného učenia pýta cielenú pomoc od troch špecializovaných agentov. Autori tvrdia, že takto vie zlepšiť matematické, vedecké aj programátorské úlohy bez toho, aby po tréningu na pomocníkov ďalej spoliehal.
Apple navrhuje spôsob, ako model ešte pred generovaním odpovede odhadne náročnosť otázky a pridelí jej primeraný rozpočet na uvažovanie. Cieľom je ušetriť tokeny bez citeľnej straty presnosti.
Nový preprint na arXive opisuje ladenie veľkých jazykových modelov ako pozorovateľný systémový problém. Namiesto izolovaných promptových úprav skladá postup od záchytu chyby cez evaluáciu a interpretáciu až po úpravy dát, parametrov a následné dolaďovanie.
Apple otvoril otázku, prečo difúzne modely občas zvládnu skladať nové kombinácie objektov mimo tréningových dát a inokedy zlyhajú. Práca o kompozičnej generalizácii navrhuje, že rozhodujúca môže byť lokalita závislostí v modeli, nie iba veľkosť siete alebo množstvo dát.
Apple zverejnil výskum LaDiR, ktorý skúša nahradiť striktne sekvenčné generovanie uvažovania latentným difúznym procesom. Cieľom je, aby model vedel rozpracované kroky spätne upravovať, paralelne skúmať viac ciest a lepšie hospodáriť s výpočtom pri dlhších úlohách.
Nová práca sa vracia k téme uncertainty quantification pri konvolučných sieťach. Autori tvrdia, že bootstrap nad convexified neural networks môže ponúknuť konzistentnejší a výpočtovo úspornejší odhad neistoty pre rizikové nasadenia.
Nová práca na kontinuálnych multi-timescale agentoch ukazuje, že pridané moduly na self-monitoring či seba-predikciu neprinášajú samy osebe merateľný zisk. Zlepšenie sa objaví až vtedy, keď sú tieto signály priamo zapojené do rozhodovacej cesty agenta.
ArcDeck je multiagentový systém, ktorý pri prevode vedeckého článku do slidov najprv rekonštruuje logiku argumentu a až potom skladá osnovu a vizuály. Signálom je, že lepší výsledok neprichádza len z väčšieho modelu, ale zo štruktúry workflow.