71 материалов
Исследование сравнивает два способа применять готовые пакеты знаний: включать их инструкции в рабочий контекст агента или поручать подзадачи отдельным агентам. Делегирование эффективнее при чётко заданных входах, результатах и процедурах, но требует дополнительных затрат на координацию.
В статье представлен XAI-Arena — система, которая сравнивает объяснения ИИ по нескольким критериям, учитывая разные модели и интересы пользователей. Оценки LLM заметно согласуются с человеческими суждениями (ρ Спирмена = 0,693), что указывает на возможность масштабировать сравнительный анализ объяснений.
В статье описана C++-реализация для языковой модели с бинарным спайковым гейтингом: разрежённые проекции обрабатываются в INT8, а вычисления учитывают только активные веса. В однопоточном тесте ранняя INT8-версия обеспечила 23,31 токена/с против 9,82 у FP32 и сократила память под веса с 3355,2 до 1087,4 МиБ; переход плотных проекций на INT4 уменьшил пропускную способность декодирования.
В статье представлена двухпоточная архитектура, где спайковая динамика LIF сочетается с непрерывной обработкой контекста и локальным вниманием; четыре модели обучены с нуля на китайских и английских данных. Энкодерные пробы показывают около 90% нулевых спайков, однако средняя perplexity уступает GPT‑2 сопоставимого размера на 7,7%, а измеренная генерация заметно медленнее — результаты очерчивают компромисс между разреженностью, качеством и вычислительной эффективностью.
В статье представлен механизм, который отбирает для повторного обучения отдельные генерации по величине преимущества и отбрасывает слишком старые данные, дополняя ими свежие примеры. На трёх масштабах Qwen3-Base метод превзошёл GRPO и обычное воспроизведение по математическим тестам, а также улучшил баланс точности и расхода токенов.
Сравнение архитектур efficient-KAN на зашумлённых и малых выборках показывает, что при σ=0,1 ошибка ChebyKAN на чистом эталоне возрастает в 10,6 раза, тогда как у предложенной ER-KAN — только в 1,4 раза. Устойчивость обеспечивают общие гауссовы RBF-базисы, постепенное внесение шума в обучение и энтропийно взвешенная регуляризация; работа также вводит метрику noise degradation ratio и демонстрирует на PINN для затухающего осциллятора снижение MSE в 4,2 раза относительно MLP, честно сообщая о неудаче с уравнением Бюргерса.
Метод LOCKS хранит для каждой страницы контекста отдельное низкоранговое представление ключей, поэтому оценка важности блоков опирается только на эту сводку, а сами ключи-кандидаты не считываются. На длинных задачах такое решение удерживает качество вблизи полного кэша при обращении примерно к 2% токенов и заметном снижении задержки декодирования.
Фреймворк объединяет слабые узлы в группы-реплики и по-разному распределяет фазы обработки токенов, чтобы эффективно использовать ограниченные ресурсы. В тестах такой подход почти вдвое сокращал среднее время ответа по сравнению с известной схемой Splitwise.
Исследователи предлагают рассматривать область Text-to-SQL как сводный лидерборд, где результаты распределены по степени самостоятельности модели при генерации SQL-запросов. Они проводят замеры на Spider и показывают, что успехи далеко не всегда переносятся на другие бенчмарки, а автономность даёт устойчивость, но требует заметных вычислительных ресурсов.
