Поиск ближайших соседей: Защита от атак и гарантии точности
![Решения для β демонстрируют зависимость от значения [latex]c[/latex] в гиперкубической и [latex]\ell_{2}[/latex]-областях, что позволяет установить связь между параметрами и соответствующими решениями.](https://arxiv.org/html/2601.00272v1/solutions_l2.png)
В новой работе исследованы эффективные алгоритмы для поиска ближайших соседей, устойчивые к целенаправленным атакам и обеспечивающие надежные результаты.
Денис Аветисян
Поиск знаний: как улучшить научные поисковые системы
Новый подход к поиску научных документов использует «индекс академических концепций» для повышения релевантности и точности результатов.
Самообучающиеся агенты: новый подход к автоматизации
![Представлена сквозная система обучения с подкреплением, в которой поток данных организован как в рамках самой системы [2], так и в соединении с архитектурой агента [3], обеспечивая бесшовную интеграцию обучения и последующего развертывания агента для практического применения.](https://arxiv.org/html/2512.24615v1/figs/fig_youtu-agent-rl.png)
Исследователи представили Youtu-Agent — систему, способную автоматически создавать и оптимизировать интеллектуальных агентов для повышения их эффективности.
Нейросети нового поколения: оптимизация языковых моделей для встраиваемых систем
Исследователи предлагают новый подход к сжатию и ускорению языковых моделей, работающих на принципах спайковых нейронных сетей, для эффективного использования в устройствах с ограниченными ресурсами.
Творчество против логики: как найти баланс в обучении с подкреплением
Новый подход позволяет алгоритмам эффективно исследовать пространство решений, избегая зацикливания на оптимальных, но не самых разнообразных стратегиях.
Распознавание кожных заболеваний: новый взгляд на искусственный интеллект
Исследователи разрабатывают системы на основе глубокого обучения для точной диагностики кожных заболеваний по изображениям, решая проблему дисбаланса данных.
Поиск и Логика: Как Отвечать на Сложные Вопросы
Новая работа предлагает структурированный подход к анализу процессов извлечения информации и логических рассуждений, необходимых для ответа на многоступенчатые вопросы.
Разумные программы: новый подход к нейро-символическому программированию
![В рамках исследуемой системы автоматического проектирования (ADS) процесс декларации знаний и декларации модели разграничен и структурирован посредством взаимодействия агентов, основанных на больших языковых моделях [latex]LLM[/latex], действий, выполняемых человеком, и точек принятия решений, что позволяет организовать последовательность операций от формулировки исходных требований до построения конечной модели.](https://arxiv.org/html/2601.00743v1/x1.png)
Исследователи предлагают фреймворк, позволяющий автоматически создавать сложные программы из текстовых инструкций, значительно упрощая процесс разработки.
Динамические сцены: новая глубина реализма
![Динамические видео предстают как адаптивные габоровские примитивы с плавным изменением движения, где траектории примитивов моделируются кубическими сплайнами Эрмита с контрольными точками [latex]\mu(t)[/latex] и [latex]q(t)[/latex], обеспечивающими непрерывность первого порядка, а обучаемые веса частот [latex]\omega_k[/latex] позволяют примитивам адаптироваться от гауссовского (низкочастотного) до габоровского (высокочастотного) представления, что способствует иерархической реконструкции деталей и оптимизируется совместным использованием RGB, данных о глубине, оптического потока и регуляризации кривизны [latex]L_{curv}[/latex], обеспечивая возможности интерполяции кадров, согласованности глубины и редактирования видео.](https://arxiv.org/html/2601.00796v1/x3.png)
Исследователи предлагают инновационный подход к реконструкции движущихся 3D-сцен, позволяющий добиться беспрецедентной детализации и плавности движения.
Эффективное сжатие данных: новый подход к векторной квантизации
![В предложенной схеме композиционного векторного квантования низкоразмерного кодекса входное изображение преобразуется в непрерывное латентное пространство [latex]zz[/latex], которое масштабируется билинейной интерполяцией с коэффициентом β, после чего каждый вектор признаков разделяется на [latex]m[/latex] блоков и квантуется с использованием общего кодекса [latex]\mathcal{C}[/latex], содержащего [latex]K[/latex] кодовекторов размерности [latex]d^* = d/m[/latex], а затем собранные и усреднённые блоки восстанавливают исходную форму [latex]zz[/latex], после чего декодер преобразует полученную карту признаков обратно в изображение.](https://arxiv.org/html/2601.00222v1/x2.png)
Исследователи представили LooC — инновационный метод векторной квантизации, позволяющий значительно уменьшить размер кодовых книг без потери качества реконструкции изображений.