Денис Аветисян ![Обученная для предсказания следующего шага нейронная сеть на основе архитектуры Transformer, используя запаздывающие наблюдения за временными рядами, способна не только моделировать динамические процессы, но и, посредством анализа релевантности, выявлять лежащую в их основе причинно-следственную структуру, как демонстрируется на примере системы с [latex]N=3[/latex] и окном [latex]L=3[/latex].](https://arxiv.org/html/2601.05647v1/x1.png)
Новое исследование показывает, что архитектура трансформеров, изначально разработанная для обработки последовательностей, обладает неожиданной способностью выявлять причинно-следственные связи в данных временных рядов.
В статье представлен всесторонний анализ систем генерации с поиском (RAG), охватывающий их эволюцию, текущее состояние и перспективы развития.
Исследователи разработали метод, позволяющий создавать точные и эффективные модели поведения белков, используя возможности искусственного интеллекта.
Новое исследование демонстрирует связь между абстрактными алгебраическими структурами и конкретными представлениями в теории плоских графов, открывая путь к построению и проверке квантовых подгрупп.
Новая система EnvScaler позволяет автоматически генерировать сложные и разнообразные среды взаимодействия с инструментами, необходимые для эффективного обучения интеллектуальных агентов.
В статье представлен подход к разработке и оптимизации научных протоколов с использованием моделирования и автоматизированных рабочих процессов.
Исследование предлагает свежий взгляд на класс звёздных функций, расширяя их понятие с помощью q-исчисления и устанавливая точные границы для их коэффициентов и детерминантов.
Исследователи представили ViTNT-FIQA — метод оценки качества изображений лиц, который не требует этапа обучения и использует стабильность признаков в архитектуре Vision Transformers.
Новое исследование показывает, что современные ИИ-системы способны восстановить личности участников публичного датасета интервью, несмотря на предпринятые меры по анонимизации.
![Эксперименты с трёхсторонним соединением [latex]R(A,B) \bowtie_{B} S(B,C) \bowtie_{C} T(C,D)[/latex] с использованием синтетических данных показали, что при контролируемом размере результирующего набора, время доступа к медианному ответу при полном лексикографическом порядке [latex]A \rightarrow B \rightarrow C \rightarrow D[/latex] существенно зависит от значения [latex]k[/latex] при размере отношений в [latex]10^4[/latex], при этом отношение прямого доступа ко времени единичного доступа к медианному ответу остаётся стабильным.](https://arxiv.org/html/2601.06013v1/x1.png)
Исследование демонстрирует, как алгоритмы прямого доступа позволяют значительно ускорить обработку сложных запросов к базам данных, особенно при небольшом количестве обращений.