Денис Аветисян 
Исследователи представляют Garments2Look — масштабный мультимодальный датасет, призванный вывести виртуальную примерку одежды на новый уровень, позволяя создавать реалистичные образы из нескольких предметов гардероба.
Представлен масштабный набор данных MMOU, призванный оценить способность моделей искусственного интеллекта понимать и рассуждать на основе длинных, сложных видео с использованием как визуальной, так и звуковой информации.
![Предложен алгоритм двухэтапной обрезки пространства конфигураций, в котором на первом этапе формируется промежуточное пространство [latex]\mathcal{P}[/latex] путем отбора [latex]\left|\mathcal{V}\right|N_{conn}/r[/latex] наиболее значимых связанных конфигураций из пространства [latex]\mathcal{C}[/latex], важность которых определяется максимальной силой связи [latex]I(\mathbf{x}_{j})=\max_{\ket{\mathbf{x}_{i}}\in\mathcal{V}}\left|\psi_{\theta}(\mathbf{x}_{i})H_{ij}\right|[/latex], а на втором этапе выполняется точный расчет амплитуд для объединенного пространства [latex]\mathcal{P}\cup\mathcal{MC}[/latex] с последующим отбором [latex]\left|\mathcal{V}\right|N_{conn}/r^{l}[/latex] конфигураций с наибольшими амплитудами для формирования нового целевого пространства [latex]\mathcal{U}[/latex], обеспечивая фиксированный размер и ускорение вычислений благодаря параметру [latex]l[/latex].](https://arxiv.org/html/2603.14775v1/x1.png)
Новый подход, использующий нейронные сети, позволяет с высокой точностью моделировать электронную структуру периодических твердых тел.
Новая архитектура на базе ИИ автоматизирует весь цикл исследований в физике высоких энергий, от теоретических моделей до феноменологических результатов.
![В период с 2023 по 2025 год наблюдается стремительный рост исследований в области обучения моделей, характеризующийся расширением областей применения, сближением подходов, основанных на комбинации обучения с подкреплением и контролируемого обучения [latex]SFT-RL[/latex], поддержкой развитой инфраструктуры и библиотек, а также переходом от ручной разметки данных к использованию данных, генерируемых всё более мощными открытыми моделями.](https://arxiv.org/html/2603.13985v1/x1.png)
Новый обзор посвящен сравнению двух основных подходов к постобработке больших языковых моделей и тенденции к их комбинированию.
Новая система объединяет мощь больших языковых моделей и мультиагентного подхода для более глубокого понимания сложного взаимодействия между обществом и климатом.
В статье представлен всесторонний анализ современных методов сохранения конфиденциальности при использовании машинного обучения в системах Интернета вещей.
![В рамках предложенного подхода, физическая конфигурация отображается в пространство признаков посредством линейного встраивания, формируя исходный вектор [latex]X^0[/latex], который затем последовательно обрабатывается [latex]ℓ[/latex] слоями нейронной сети для получения ренормализованного вектора признаков [latex]X^\ell[/latex], используемого для генерации ν-MPS волновой функции посредством обратного потока MPS.](https://arxiv.org/html/2603.14425v1/x1.png)
Исследователи объединили возможности глубокого обучения и тензорных сетей для анализа сложных квантовых систем и поиска новых состояний материи.
В статье предлагается альтернативный путь развития генеративных моделей, основанный на создании узкоспециализированных интеллектуальных агентов вместо безграничного масштабирования универсальных систем.
Новая система CausalEvolve объединяет эволюционные алгоритмы и причинно-следственный анализ для повышения эффективности автоматизированного научного поиска и генерации новых знаний.