искусственный интеллект

Российские ученые предложили решение проблемы перемещения шагающих роботов по неровным поверхностям и в стесненной обстановке. В процессе исследований робот успешно адаптировался к сменяющимся командам компьютера и сохранял устойчивость при ходьбе по неровностям, демонстрируя точное отслеживание шагов.

Команда исследователей из Т-Технологий и МФТИ разработала метод, позволяющий построить детальную «карту» эволюции абстрактных понятий в глубине больших языковых моделей. Этот подход, основанный на «графах потоков признаков», не только открывает…

Команда исследователей из Т-Технологий и МФТИ предложила революционный подход к «воспитанию» больших языковых моделей, позволяющий им становиться умнее и безопаснее, не страдая от «сверхоптимизации» — парадоксального эффекта, когда слишком усердное…

Команда исследователей из Т-Технологий, МФТИ и НИУ ВШЭ разработала новаторский метод, позволяющий впервые проследить «жизненный цикл» отдельных концепций внутри сложных нейронных сетей. Их подход, получивший название SAE Match, работает как…

Коллектив исследователей из T-Bank, МФТИ и МИСИС разработал новый подход к обучению ансамблей нейронных сетей, заставляющий каждую модель в группе смотреть на проблему под своим уникальным углом. Этот метод, названный…

Алгоритм впервые учитывает ключевой фактор — влияние подложки, что в десятки раз ускоряет создание следующих поколений устройств наноэлектроники.

Международный коллектив ученых из Сколковского института науки и технологий, МФТИ, Института исследований искусственного интеллекта (AIRI) и Университета Париж-Сите разработал новый, элегантный метод для проверки логических способностей больших языковых моделей (LLM).…

Международная команда исследователей из Университета Иннополис, Орловского государственного университета, МГУ имени М.В. Ломоносова, МФТИ и Университета Беннетт (Индия) разработала новый метод машинного обучения, который не только с высокой точностью предсказывает…

Основная идея исследования — сокращение времени, которое тратится на обмен данными между устройствами в распределённых системах обучения больших AI-моделей.

Одна из фундаментальных проблем при создании эффективных моделей машинного обучения – определение необходимого и достаточного количества данных для их обучения. Слишком мало данных – модель будет неточной, слишком много –…