Воссоздавая прошлое: Искусственный интеллект для анализа ДТП

Новая система, основанная на многоагентном подходе, позволяет с высокой точностью реконструировать события, предшествующие дорожно-транспортным происшествиям, превосходя возможности человека в сложных ситуациях.

Адаптация языковых моделей слой за слоем: новый подход к финансовому NLP

Адаптивная ансамблевая настройка слоёв (LAET) позволяет выборочно обновлять лишь наиболее эффективные слои нейронной сети, сохраняя остальные замороженными, что существенно снижает вычислительные затраты по сравнению с полной настройкой, при этом превосходя по производительности традиционные методы параметро-эффективной настройки (например, LoRA, DoRA), которые ограничиваются обучением небольших адаптерных модулей.

В статье представлена методика LAET, позволяющая оптимизировать небольшие языковые модели для задач финансового анализа с эффективностью, сравнимой с более крупными аналогами.

Обучение моделей вязкости льда с помощью нейросетей

Проведенное исследование демонстрирует возможность точного определения эффективной вязкости морского льда на основе зашумленных данных о напряжениях и скоростях, при этом средние значения, полученные из десяти моделей, инферензированных из различных выборок ошибок, и их стандартные отклонения, позволяют оценить надёжность полученных результатов и решить уравнение $50$ с учётом $55$ в условиях обучения.

Новый подход позволяет извлекать сложные реологические характеристики морского и наземного льда непосредственно из данных, открывая возможности для более точного моделирования и прогнозирования.

Стираем следы: Как обеспечить надежность и ответственность больших языковых моделей

В статье рассматриваются современные методы ‘забывания’ данных в больших языковых моделях и связанные с этим вызовы, необходимые для защиты конфиденциальности и повышения надежности.