Внутреннее устройство адронов: от распределений партонов к новым измерениям
В этой статье представлен всесторонний обзор функций распределения партонов и их обобщений, раскрывающих сложную структуру адронов в рамках квантовой хромодинамики.
В этой статье представлен всесторонний обзор функций распределения партонов и их обобщений, раскрывающих сложную структуру адронов в рамках квантовой хромодинамики.
Новая система HERMES позволяет эффективно обрабатывать потоковое видео, используя иерархическую структуру кэша для быстрого и точного понимания происходящего.

Новое исследование показывает, что принудительный порядок генерации текста в диффузионных языковых моделях, вопреки интуиции, повышает их способность к логическому мышлению.

Исследователи представили Terminal-Bench — платформу для оценки возможностей ИИ-агентов в реалистичных сценариях работы с интерфейсом командной строки.
Новое исследование показывает, что для решения юридических задач более надежны системы, основанные на поиске и использовании проверенных данных, а не на генерации ответов ‘из головы’.
![Динамика роста агрегатов в конфигурациях DLA демонстрирует закономерное замедление, проявляющееся в уменьшении мгновенной скорости роста [latex]\mathrm{d}N/\mathrm{d}t[/latex] с увеличением числа частиц [latex]N[/latex] из-за диффузионного экранирования, что подтверждается нормализованными кривыми роста [latex]N(t)/N_{max}[/latex] и эффективным радиусом агрегата [latex]R_{eff} = N^{1/D_f}[/latex].](https://arxiv.org/html/2601.15440v1/x3.png)
Исследователи представили высокопроизводительную реализацию алгоритма диффузионно-лимитированной агрегации (DLA) на Python, используя JIT-компиляцию для значительного ускорения симуляций.

Новая платформа ECGomics объединяет экспертные знания и возможности глубокого обучения для более точной и интерпретируемой оценки сердечно-сосудистого здоровья.

Новая система ManuRAG позволяет точно отвечать на вопросы о производственных процессах, используя сразу несколько типов данных.

Исследователи представили OpenVision 3 — архитектуру, объединяющую возможности вариационных автоэнкодеров и трансформаторов для достижения передовых результатов в задачах визуального анализа и синтеза.

Новое исследование сравнивает эффективность различных моделей глубокого обучения для классификации рамановских спектров, выявляя ключевые проблемы, связанные с переносом знаний между наборами данных.