Artykuły z tagiem
Sztuczna Inteligencja
8 artykułów
Anatomia Kłamstwa AI: Jak Modele Językowe Mogą Nas Oszukiwać
Can LLMs Lie pokazuje, że modele kłamią strategicznie: logit lens łapie próby kłamstwa, zerowanie warstw 10-15 przywraca prawdę, a wektor sterujący ją reguluje.
Globalne Gwarancje Odporności: Probabilistyczne Podejście do Bezpieczeństwa AI
Mu i Lim zamieniają certyfikację punkt po punkcie na estymację statystyczną: kilkaset próbek i przedział Cloppera-Pearsona dają globalną gwarancję odporności.
Uczące się Maszyny, które nie zapominają: Nowa Metoda dla Zmieniających się Danych
DyMoE walczy z katastroficznym zapominaniem w grafach: zamiast douczać stare modele, dodaje nowego eksperta na każdą porcję danych i łączy je przez bramkę.
Głębokie Spojrzenie na Rewolucję w Text-to-SQL: Analiza Metody Adaptacyjnej
End-to-End Text-to-SQL z selekcją zbioru: Selektor wyszukuje koncepcyjnie podobne przykłady, a Generator pisze zapytanie in-context, bez fine-tuningu domeny.
Goedel-Prover-V2: Rewolucja w Automatycznym Dowodzeniu Twierdzeń
Goedel-Prover-V2 łączy syntezę danych opartą na rusztowaniach z autokorektą w asystencie Lean. Na miniF2F i PutnamBench bije AlphaProof oraz DeepSeek-Prover.
Optymalizacja pracy call center za pomocą uczenia ze wzmocnieniem: PPO kontra Value Iteration
PPO kontra Value Iteration w symulacji call center ze skills-based routingiem: PPO daje krótsze kolejki, mniej bezczynności agentów i najwyższe nagrody RL.
Target Polish: Jak „polerować” dane i wydobywać z nich prawdę
Target Polish koryguje dane przed faktoryzacją NMF, przycinając wartości odstające do otoczenia rekonstrukcji WH — odporny rozkład macierzy i tensorów.
Nie tylko większe modele: dlaczego AI powinno lepiej widzieć, a nie tylko rosnąć
Zamiast skalować modele w nieskończoność, warto lepiej zbierać dane: EfficientNet-B0 z adaptacyjną sensoryką pokonuje znacznie większy OpenCLIP-H w percepcji.