новые разработки в области искусственного интеллекта и машинного обучения

Изменения в орбите астероида

В 2022 году космический аппарат NASA изменил орбиту небольшого астероида, согласно исследованию, представляющему "первое задокументированное изменение траектории небесного тела, вызванное вмешательством человека".

CATNet: Сеть для совместного восприятия

Предложена CATNet: Collaborative Alignment and Transformation Network для кооперативного восприятия. Разработка направлена на решение проблем, связанных с высокой временной задержкой и многофакторным шумом при интеграции данных из разных источников. Ключевые инновации включают Spatio-Temporal Recurrent Synchronization для выравнивания асинхронных потоков данных, Dual-Branch Wavelet Enhanced Denoiser для подавления шума и Adaptive Feature Selector для динамического выбора важных признаков. Эксперименты показали превосходство CATNet над существующими методами в сложных дорожных условиях.

KARL: Агенты знаний с использованием обучения с подкреплением

Представлена система KARL для обучения агентов поиска информации с использованием обучения с подкреплением, демонстрирующая передовые результаты в сложных задачах. Разработан KARLBench, набор тестов, охватывающий различные поисковые режимы. Авторы показали, что модели, обученные на разных типах поиска, лучше обобщают результаты, чем те, которые оптимизированы для одного эталона. Разработан синтетический конвейер для создания данных, использующий долгосрочное рассуждение и инструменты. KARL, по сравнению с Claude 4.6 и GPT 5.2, является Парето-оптимальным по показателям стоимости, качества и задержки.

Data-Scale Independent Regulariser

Представлен Sequential Thresholding of Coefficient of Variation (STCV) — новый алгоритм для обнаружения разреженных нелинейных динамик, устойчивый к масштабированию данных. STCV заменяет традиционный порог на основе величины статистической метрикой Coefficient Presence, оценивающей статистическую достоверность. Эксперименты показали, что STCV превосходит стандартные методы на нормализованных и зашумленных данных, позволяя выявлять правильные физические законы даже при неудачных попытках других методов.

Mario: Многомодальное рассуждение с использованием больших языковых моделей

Представлен Mario — фреймворк для рассуждений на основе больших языковых моделей (LLM) на многомодальных графах (MMG). Mario решает проблемы слабой кросс-модальной согласованности и разнородных предпочтений модальности. Он состоит из двух этапов: графо-обусловленный дизайн VLM и механизм адаптивной настройки графа. Эксперименты показали, что Mario превосходит современные графовые модели в задачах классификации узлов и предсказания связей.

CATNet: Collaborative Alignment and Transformation Network for Cooperative Perception KARL: Knowledge Agents via Reinforcement Learning Towards a data-scale independent regulariser for robust sparse identification of non-linear dynamics Mario: Multimodal Graph Reasoning with Large Language Models KARL: Knowledge Agents via Reinforcement Learning CATNet: Collaborative Alignment and Transformation Network for Cooperative Perception