Ускорение вычислений: Монте-Карло и линейные системы
![Сравнительный анализ пяти методов решения систем линейных уравнений при увеличении размера матрицы от 1000 до 5000 демонстрирует, что традиционные итерационные методы, такие как Якоби и Гаусса-Зейделя, демонстрируют квадратичную сложность [latex]O(m^2)[/latex], в то время как методы последовательного Монте-Карло достигают улучшенной масштабируемости за счет геометрической сходимости и субдискретизации, а простой метод Монте-Карло обеспечивает линейную сложность [latex]O(1)[/latex] при оценке фиксированного числа компонентов решения.](https://arxiv.org/html/2602.05032v1/fig/performance_scaling.png)
В статье представлен обзор методов Монте-Карло для решения линейных систем уравнений, с акцентом на повышение эффективности и снижение вычислительных затрат.
Денис Аветисян
Ускорение обучения языковых моделей: новый подход к передаче знаний
Исследователи предлагают инновационный метод предварительного обучения больших языковых моделей, позволяющий значительно сократить время обучения и повысить качество результатов.
Раскрывая секреты автономных агентов: новый метод понимания их работы
Исследователи разработали инструмент, позволяющий заглянуть внутрь сложных автономных систем и понять, как они принимают решения.
Геометрия диффузии: Новый взгляд на формы и пространства
![Масштабируемость диффузионной геометрии в сравнении с устойчивой гомологией демонстрирует значительное преимущество в скорости вычислений, особенно при экстремальных степенях [latex]k=1[/latex] и [latex]k=d[/latex], благодаря комбинаторной симметрии пространства [latex]k[/latex]-форм, что позволяет эффективно восстанавливать высокоразмерные признаки даже при фиксированном размере выборки [latex]n=5000[/latex] и параметрах диффузионного лапласиана Ходжа [latex]k=32[/latex] и [latex]n\_0 = n\_1 = 50[/latex].](https://arxiv.org/html/2602.06006v1/x15.png)
В статье представлена концепция геометрии диффузии, позволяющая проводить геометрический анализ на данных любой природы, не ограничиваясь традиционными представлениями о гладких многообразиях.
Предчувствие опасности: Самозащита интеллектуальных агентов
Новая система позволяет агентам самостоятельно оценивать риски и предотвращать угрозы, не полагаясь на постоянный внешний контроль.
Как нейросеть предсказывает форму белка: взгляд под капот ESMFold
Новое исследование раскрывает внутренние механизмы ESMFold, объясняя, как эта модель искусственного интеллекта моделирует сложную структуру белков.
Линейная алгебра: Неразрешенные вопросы и новые горизонты
Обзор ключевых нерешенных проблем в области линейной алгебры, сформулированных на семинаре Саймонса, открывает путь к разработке более эффективных и надежных алгоритмов.
Тонкая настройка больших языковых моделей: главное – скорость обучения
Новое исследование показывает, что оптимизация скорости обучения может быть важнее выбора конкретного метода адаптации параметров при тонкой настройке больших языковых моделей.
Поиск редких событий: как машинное обучение ускоряет молекулярные симуляции
Новый метод объединяет алгоритмы машинного обучения с методом траекторных выборок, позволяя эффективно моделировать сложные химические процессы.
Квантовый усилитель света на чипе: новый уровень эффективности
В новой работе исследователи представили компактный и эффективный оптический параметрический усилитель, работающий в квантовом режиме и демонстрирующий чистый коэффициент усиления.