[PeterWeiss]

#codzienneainews przegląd prac naukowych #cainarxiv (rosyjscy uczeni i trochę robotów, medycyny)

• [1] Microsoft hackuje LLM-y
Naukowcy z University of California San Diego, Microsoft Research i University of Virginia opracowali nowe narzędzie o nazwie ADV-LLM, które może z łatwością złamać nawet najbardziej niezawodne modele językowe. ADV-LLM uczy się na podstawie własnych wygenerowanych danych, osiągając 99% skuteczności ataku na GPT 3.5 i 49% skuteczności na GPT 4.
[ https://arxiv.org/abs/2410.18469 ]

• [2] LLM dla medycyny: przewodnik krok po kroku
National Library of Medicine i amerykańskie uniwersytety opublikowały właśnie przewodnik dotyczący wykorzystania LLM w medycynie. W dokumencie tym opisano, w jaki sposób korzystać z tych potężnych narzędzi sztucznej inteligencji w opiece zdrowotnej. Wykracza on poza zwykły opis LLM i koncentruje się na praktycznych krokach dla pracowników służby zdrowia w celu wdrożenia tych narzędzi do ich codziennej pracy. Obejmuje on nawet kwestie etyczne.
[ https://arxiv.org/abs/2410.18856 ]

• [3] Roboty dostają... uszy
Naukowcy z Carnegie Mellon University opracowali nowy system o nazwie Anavi, który pomaga robotom przewidywać, jak głośne będą ich działania w różnych środowiskach. Odbywa się to poprzez wykorzystanie wizualnych informacji o środowisku, takich jak ściany i meble, do oszacowania, w jaki sposób przemieszcza się dźwięk. Może to prowadzić do stworzenia cichszych robotów, które lepiej sprawdzą się w domach i biurach. Poprzednie badania koncentrowały się na znajdywaniu źródła dźwięku, a tu dzięki Anavi roboty mogą być "świadome" generowanego przez siebie hałasu.
[ https://arxiv.org/abs/2410.18932 ]

• [4] Łatwiejsze uczenie robotów
Naukowcy z firmy NVIDIA właśnie ułatwili robotom naukę. SkillMimicGen (SkillGen) to system, który automatycznie generuje demonstracyjne zestawy danych dla zadań manipulacyjnych robotów, rozkładając je na segmenty ruchu i umiejętności. SkillGen może wygenerować ponad 24 000 demonstracji robotów z zaledwie 60 demonstracji ludzkich. Dzięki temu roboty mogą uczyć się nowych zadań szybciej i przy mniejszym wysiłku człowieka.
Różni się to od poprzednich prac, koncentrując się na dostosowywaniu i odtwarzaniu tylko segmentów umiejętności, które są bogatymi w kontakt interakcjami z obiektami, przy jednoczesnym wykorzystaniu planowania ruchu dla pozostałej części zadania.
[ https://arxiv.org/abs/2410.18907 ]

• [5] Samokorygujące się SLM-y
Naukowcy z University of Washington opracowali nowy sposób samokorygowania się małych modeli językowych (SLM). CORRECTIONLM wykorzystuje przykłady kontekstowe, aby pomóc SLM uczyć się na błędach, osiągając wyniki podobne do najlepszych LLM z zaledwie 5% danych treningowych.
Oby zostało to wdrożone jak najszybciej, bo małe modele od MS takie jak Phi-3-mini są tak jak nazwa wskazuje - phi... Straszna to nędza w porównaniu do konkurencyjnych SLM.
[ https://arxiv.org/abs/2410.18209 ]

• [6] Nowa metoda pozwala na jeszcze lepszą detekcję obiektów astronomicznych
Rosyjscy uczeni z Instytutu Badań Kosmicznych Rosyjskiej Akademii Nauk, Uniwersytetu Illinois w Urbana Champaign i innych instytucji opracowali nową metodę wyszukiwania rzadkich obiektów astronomicznych przy użyciu algorytmów aktywnego uczenia się. Dzięki tej technice odkryli 144 nowe potencjalne supernowe.
[ https://arxiv.org/abs/2410.18875 ]

• [7] Lepsze przewidywanie chorób serca na podstawie tomografii
Naukowcy z DAMO Academy, Alibaba Group, Tsinghua University i innych instytucji opracowali nowy model SI, który łączy tradycyjną wiedzę kliniczną z deep learningiem się w celu przewidywania ryzyka chorób sercowo-naczyniowych na podstawie tomografii komputerowej klatki piersiowej. Model ten osiągnął AUC na poziomie 0,875 w publicznym zbiorze danych, znacznie przewyższając inne metody.
[ https://arxiv.org/abs/2410.18610 ]

• [8] Nowy dekoder WGK: szybszy, mniejszy i gotowy na VR/XR
Naukowcy z Reality Labs Research, META i University of Bristol opracowali nowy system pisania gestami dla headsetów VR/XR/AR. Ring gesture wykorzystuje strukturę głębokiego uczenia się o nazwie ScoreFusion, aby poprawić dokładność i szybkość, osiągając średnią szybkość wprowadzania tekstu wynoszącą 27,3 słowa na minutę.
[ https://arxiv.org/abs/2410.18099 ]

#ainews #sztucznainteligencja #gruparatowaniapoziomu

[kutokalipsa67]

@PeterWeiss: Robot narzekający, że musi iść do roboty. Kudłaty będący pierwszym na zakładzie, bo może góra w końcu zauważy jego poświęcenie. No i baba z kocimi uszamj, która cyknie kilka fotek na Only Humans i po roku będzie ustawiona do końca życia. Niby grafiki z przyszłości, a pokazują teraźniejszość.