Наука
LongMedBench: новый бенчмарк для оценки ИИ-агентов в..
Исследователи представили LongMedBench — бенчмарк на основе реальных историй болезней для проверки способности ИИ-агентов принимать решения...
Как нейросети обучаются абстракции: arXiv-препринт описывает..
Исследователи представили математическую модель того, как в процессе обучения нейросетей формируются линейные представления концепций. Они...
Prompt-Driven Exploration: нейросети учатся с нуля через..
Исследователи представили метод Prompt-Driven Exploration (PDE), который позволяет агентам RL начинать обучение с нулевым вознаграждением....
Ученые представили протокол HEP для проверяемых ИИ-исследователей..
Исследователи разработали протокол HEP (Hypothesis Evolution Protocol), который делает процесс выдвижения и проверки гипотез LLM-агентов...
Новый метод ускоряет вывод LLM на GPU до 1.64 раза за счёт..
Исследователи предложили эффективный метод ускорения вывода больших языковых моделей (LLM) на GPU с использованием разреженных матриц....
Надежность LLM-агентов повышена с 9% до 67% с помощью графовой..
Исследователи разработали метод GRACE, который позволяет LLM-агентам надёжно обновлять инструкции на основе опыта. В тестах строгая...
Ученые представили DaDaDa — первый датасет для ценообразования..
Исследователи из Чжэцзянского университета выпустили DaDaDa — первый набор данных о ценах на продукты данных, собранный с девяти крупных...
KV-PRM в 5000 раз быстрее: новый метод оценки процессов для..
Исследователи представили KV-PRM — модель оценки процессов, которая использует KV-кэш вместо перекодирования текста, снижая вычислительную...
LieBN: новый метод нормализации данных на группах Ли для..
Исследователи представили LieBN — фреймворк для пакетной нормализации на группах Ли. Метод использует инвариантные метрики и работает с...
Ученые представили MedRealMM: первый реалистичный бенчмарк для..
Исследователи создали масштабный бенчмарк MedRealMM для оценки мультимодальных моделей в онлайн-медицинских консультациях. Он включает 5620...
