В пресс-службе Университета Иннополис сообщили, что ученые вуза изучили рекурсивную модель искусственного интеллекта (ИИ), которая решала задачи пространственного мышления при меньшем размере, чем сопоставимые трансформеры. Вместо увеличения числа параметров система повторно обрабатывает информацию одним компактным блоком.
Во время экспериментов модель показала эффект «внезапного обучения»: после периода почти неизменных результатов ошибка резко снизилась. На показатель влияли сложность задачи и глубина рекурсии.
Подход проверили в том числе на задачах сборки пазлов. Модель содержит менее 1 млн параметров, поэтому, по оценке исследователей, может применяться на устройствах с ограниченными вычислительными ресурсами, отметил заместитель директора Института анализа данных и ИИ Университета Иннополис Рустам Лукманов.
Работа опубликована в сборнике конференции ICLR 2026. Авторы исследования пришли к выводу, что производительность таких систем можно повышать за счет увеличения времени обработки, а не только размера модели, отметили в пресс-службе.
Источник: www.ferra.ru