51 artykułów z tym tagiem
Nowy system AREX-2 uczy agentów LLM refleksji i długookresowej iteracji, przenosząc umiejętności z programowania na badania typu deep research.
Badanie na 59 zbiorach danych biomedycznych pokazuje, że AdamW pobija zaawansowane preconditionery w dostrajaniu TabPFN v2.5.
Metoda converge-then-diversify (CTD) dzieli optymalizację bayesowską na etapy i przewyższa dotychczasowe metody w 72,9% testów.
Nowy algorytm PFS redukuje liczbę ekspansji węzłów o ok. 90% w N-Puzzle i TSP, przyspieszając wyszukiwanie rozwiązań o ograniczonej suboptymalności.
Nowa praca naukowa łączy model falowo-probabilistyczny mózgu z danymi giełdowymi, proponując alternatywę dla architektur AGI opartych na sieciach neuronowych.
Hugging Face wprowadził ML Intern – asystenta AI, który samodzielnie prowadzi eksperymenty uczenia maszynowego na podstawie opisu w czacie.
EduRiskX łączy transformery z logiką F-Logic, wykrywając zagrożonych studentów już w 9. tygodniu semestru z dokładnością 0,900.
Benchmark RENDER pokazuje, że sposób prezentacji historii rozmowy modelowi LLM zmienia wyniki testów pamięci nawet o 70 punktów.
Nowe badanie pokazuje, że skille pomagają agentom AI głównie przez procedurę działania, nie wiedzę, a duże biblioteki utrudniają ich trafne wyszukanie.
Startup Generalist AI pokazał roboty, które po jednym filmie instruktażowym improwizują i przenoszą umiejętności na nowe zadania jak małe dzieci.
Replikacja badania nad α-FLOPs pokazuje, że liczba operacji FLOP-ów słabo szacuje realny czas wykonania na nowszym sprzęcie AI.
Badacze z UW wykazali, że poprawa modeli AI w kolejnych turach często nie wynika z informacji zwrotnej, lecz z ponownych prób i dodatkowych obliczeń.