Малые модели — большие возможности: эффективное управление инструментами в ИИ

Результаты сравнительного анализа производительности модели SLM по шести задачам демонстрируют её превосходство над альтернативными подходами, что подтверждается представленными данными.

Исследование показывает, что небольшие языковые модели могут превзойти более крупные аналоги в задачах, требующих использования инструментов, благодаря целенаправленной настройке.

Сигналы в графах: как они влияют на рекомендации?

Анализ влияния низко- и высокочастотных сигналов на графе демонстрирует, что фильтрация с использованием низкочастотных компонент (представленная в первом квадранте) и высокочастотных компонент (в третьем квадранте) оказывает различное воздействие на производительность графовых нейронных сетей, оцениваемую по метрике Recall@20 на четырех различных наборах данных.

Новое исследование раскрывает, как частотные компоненты сигналов, передаваемых по графам, формируют качество рекомендаций, предлагая способ оптимизации этих сигналов для повышения точности.

Эхо гравитации: как линзирование раскрывает тайны сигналов от слияний

На основе анализа гравитационных волн от события GW231123, исследование сравнивает параметры линзирования, полученные для этого события (отображены заполненными контурами), с результатами моделирования для аналогичных по массе двойных систем, не подверженных гравитационному линзированию (представлены незаполненными контурами), позволяя оценить вклад эффектов линзирования в наблюдаемый сигнал.

Новое исследование представляет систему DINGO-lensing, позволяющую быстро анализировать гравитационные волны и оценивать вероятность линзирования, что позволило пересмотреть сигнал GW231123.