签到
立即签到
签到可以获得积分哦!
公告
AI千集是一个专注于科研服务的智能平台
在这里您可以获得本平台自训练的
科研智能体
和小伙伴一起玩转AI，做自己的AI机器人
来AI千集，赋能智慧快人一步
扫一扫，快速获取解决方案与报价
最新资讯更多
-
推理语言模型，能够生成长链的思考，在抽象问题上显著优于非推理语言模型。然而，允许这种优越性能的内部模型机制仍然了解不多。我们提出了对QwQ-32B如何处理抽象结构信息的机制分析——QwQ-32B是一种专门训练以产生广泛推理痕迹的模型。在神秘方块世界——一个语义混淆的计划领域——我们发现，QwQ-32B在推理过程中逐渐改善其内部的动作和概念表示。该模型发展出抽象编码，侧重于结构而不是具体动作名称。通过引导实验，我们建立了因果证据，表明这些适应性改进了解决问题：从成功的痕迹中注入精细化的表示可以提高准确性，而符号表示可以用最小的性能损失替代许多混淆的编码。我们发现，驱动推理模型性能的一个因素是在上下文中对标记表示的精细化，我们将之称为流动推理表示。
喜欢 0 评论 0
-
我们提出了El Agente Estructural，这是一种多模态、自然语言驱动的几何生成和操作代理，用于自主化学和分子建模。与通过生成模型进行分子生成或编辑不同，Estructural通过整合一套全面的领域知识工具和视觉语言模型，模拟了人类专家直接在三维空间中操作分子系统的方式。这种设计使得对原子或官能团替换、原子连接性和立体化学的精确控制成为可能，而无需重建庞大的核心分子框架。通过一系列代表性案例研究，我们展示了Estructural能够在广泛的现实场景中实现具有化学意义的几何操作。这些场景包括位点选择性的官能团化、配体结合、配体交换、立体化学控制的分子结构构建、同分异构体之间的转化、片段级结构分析、从示意图反应机制中引导结构生成、以及由机制驱动的几何生成和修改。这些例子说明了多模态推理如何与专门的几何感知工具相结合，支持超越结构生成的交互式和情境感知的分子建模。展望未来，将Estructural集成到El Agente Quntur——一个自主多智能体量子化学平台中，通过添加用于生成和编辑三维结构的复杂工具，增强了其功能。
喜欢 0 评论 0
-
量子化学是化学、材料科学、计算生物学等领域的基础性 enabling 工具。尽管其功能强大，但由于方法复杂、软件异质性和对结果进行信息解读的需求，量子化学模拟的实用应用仍然掌握在合格的专家手中。为了弥合这些工具的可及性差距，并扩大其范围，使其覆盖具有更广泛背景的化学家，我们介绍了 El Agente Quntur，这是一个分层、多智能体人工智能系统，旨在不仅仅作为一个自动化工具，而是一个计算量子化学的研究合作者。Quntur 的设计遵循了三个主要策略：i) 取消硬编码的进程策略，以推理驱动的决策为优；ii) 构建通用和可组合的动作，以促进泛化和效率；iii) 实施引导式深入研究，以整合跨学科抽象量子化学推理和软件内部逻辑及语法的详细理解。尽管 Quntur 在 ORCA 中实现，但这些设计原则适用于更广泛的科研智能体，并且可以轻松扩展到额外的量子化学软件包以及其他领域。Quntur 支持在 ORCA 6.0 中提供的所有计算范围，并基于软件文档和科学文献进行推理，以遵循最佳实践来计划、执行、调整和分析虚拟化学实验。我们讨论了在计算化学研究中运行的智能体系统的进展和当前瓶颈，并概述了一条通往完全自主端到端计算化学研究智能体的路线图。
喜欢 0 评论 0
-
机器学习原子间势（MLIPs）有时无法再现量子势能面（PES）的物理平滑性，导致下游模拟中产生错误行为，而标准的能量和力回归评估可能无法检测到。现有的评估方法，如微正则分子动力学（MD），计算成本高昂，主要探测近平衡状态。为了提高MLIPs的评估指标，我们引入了键平滑性表征测试（BSCT）。这个高效的基准通过控制键变形来探测PES，并检测非平滑性，包括不连续性、人工最小值和虚假力，无论是在平衡附近还是远离平衡。我们表明，BSCT与MD稳定性高度相关，而其成本仅为MD的一小部分。为了展示BSCT如何指导迭代模型设计，我们利用无约束的Transformer主干作为测试平台，说明如何通过诸如新的可微k近邻算法和温度控制注意力等改进来减少我们指标识别的伪影。通过基于BSCT系统性地优化模型设计，所得到的MLIP同时实现了低常规E/F回归误差、稳定的MD模拟和鲁棒的原子性质预测。我们的结果将BSCT确立为一种验证指标，同时也是作为“闭环”模型设计代理，提醒MLIP开发者注意那些无法通过当前MLIP基准高效评估的物理挑战。
喜欢 0 评论 0
-
在数字时代的浪潮中，我们的每一次点击、浏览、搜索都留下了痕迹。这些看似无足轻重的数据，实际上蕴藏着深层的潜意识效应。近日，一项研究揭示了这一现象背后的通用机制——通过对数线性性。这一发现，不仅为我们理解用户行为提供了新的视角，也预示着未来数据挖掘和人工智能领域的新方向。 通过对数线性性，研究者发现，人们的潜意识行为在数据中呈现出一种独特的规律。这种规律并非偶然，而是人类认知和决策过程中固有的特性。例如，在社交媒体上，用户对某个内容的关注程度往往与其互动次数呈对数关系，而不是简单的线性关系。这一发现，使得我们能够更深入地洞察用户的心理和行为模式。 这项研究对于数据挖掘和人工智能领域具有重要意义。通过对数线性性的应用，我们可以更准确地预测用户行为，从而优化产品设计和用户体验。同时，这也为算法优化提供了新的思路，有助于提升人工智能系统的智能水平。 展望未来，通过对数线性性的研究有望进一步拓展到更多领域。从心理学到经济学，从社会学到人类学，这一机制都可能为我们揭示更多人类行为的奥秘。在这个数据驱动的时代，对潜意识效应的深入理解，将为我们开启探索人类行为的新篇章。
喜欢 0 评论 0
-
近年来，我们对现代基于注意力的神经网络中上下文学习机制的理解取得了迅速进展。然而，现有成果仅关注单模态数据；相比之下，对于多模态数据上下文学习的理论基础仍了解不多。我们引入了一个数学上可处理的框架来研究多模态学习，并探讨当类似于Transformer的架构能在上下文中恢复贝叶斯最优性能时的情况。为了建模多模态问题，我们假设观测数据源于一个潜在因子模型。我们的第一个结果是对可表达性的否定观点：我们证明了单层、线性自注意力无法在任务分布上均匀地恢复贝叶斯最优预测器。为了解决这一局限性，我们引入了一种新颖的、线性化的交叉注意力机制，我们研究的是当交叉注意力层的数量和上下文长度都很大时的状态。我们表明，当使用梯度流优化时，这种交叉注意力机制在数学上是贝叶斯最优的。我们的结果强调了深度对于上下文学习的益处，并确立了交叉注意力对于多模态分布的可证明效用。
喜欢 0 评论 0
积分排行
gingo104 帖子 • 8 评论
1401
137****06310 帖子 • 0 评论
997
weilaiweiding52 帖子 • 1 评论
821
openoker170 帖子 • 23 评论
294
boatingman0 帖子 • 1 评论
90- toc
0 帖子 • 0 评论
60 
icodebase54 帖子 • 1 评论
55
Van3 帖子 • 0 评论
42
shadow5 帖子 • 0 评论
28
111242 帖子 • 4 评论
24
友情链接 查看更多>>
导航打造最强静态导航网站
135AI排版公众号智能文案生成与自动排版工具
二次元数字人视频生成平台二次元数字人视频生成平台