Языковые модели лучше справляются с математикой при использовании "верифицируемой траектории рассуждений"
(обзор модели rStar-Math)
Что делает ИИ-систему хорошей в математике? Не сырая вычислительная мощность, а нечто почти противоречивое: невротичная тщательность в проверке своей правоты.
Два года назад в мире физики произошло выдающееся событие, о котором ученые рассказали только сейчас. Недавно, 12 февраля 2025 года международное научное сообщество нейтринного телескопа KM3NeT опубликовало в журнале Nature подробности удивительного открытия.Читать полностью »
Ускорители заряженных частиц — уникальные машины, играющие ключевую роль в фундаментальной науке и прикладных исследованиях. Они помогают заглянуть внутрь материи, создавать новые материалы и лекарства, а также раскрывать тайны Вселенной — от бозона Хиггса до реликтового излучения.
Ускорители заряженных частиц — сложные установки, которые требуют высокой точности работы. Даже небольшое отклонение пучка, сравнимое с долей толщины человеческого волоса, может иметь значение. Чтобы справляться с такими задачами, всё чаще используют методы машинного обучения.
Достижения и результаты любого руководителя или специалиста зависят от врождённых качеств его таланта намного сильнее, чем принято считать. Об этом свидетельствуют результаты масштабных исследований на основе нового подхода, разработанного Читать полностью »
Каждый месяц появляются сотни и тысячи научных статей, которые описывают новые разработки в области ИИ. Однако проверить большую часть этих результатов собственными силами и использовать предложенные методы и модели в своем проекте часто очень трудно. К статьям не всегда прикладывается код, еще реже доступны данные, на которых проводили обучение моделей, а значит нельзя просто скачать данные из репозитория и попробовать повторить результат. Имеет место так называемый кризис воспроизводимости.
