Денис Аветисян ![Итеративный процесс развертывания для планирования предполагает последовательное уточнение модели [latex]generation_n[/latex] посредством обучения на результатах решения фиксированного набора задач, где корректно выполненные задачи, выявленные внешней валидацией, вместе с данными предыдущих итераций, служат основой для создания улучшенной версии [latex]generation_{n+1}[/latex].](https://arxiv.org/html/2512.24940v1/figures/llm-icon.png){kind=icon}
Исследователи продемонстрировали, что последовательное развертывание и дообучение больших языковых моделей на отфильтрованных данных о предыдущих итерациях значительно улучшает их способность к планированию.
Новая разработка позволяет эффективно восстанавливать модели физических систем непосредственно на периферийных устройствах, открывая возможности для широкого спектра приложений.
Представлен быстрый и точный детерминированный решатель уравнения Больцмана для оптимизации планирования лечения протонными пучками.
![Многомасштабный конвейер объединения, представленный в данной работе, обрабатывает изображения низкого и высокого разрешения, извлекая многомасштабные признаки из высокоразрешенного изображения посредством скользящих окон, а затем объединяет их с признаками низкого разрешения посредством общей многомасштабной визуальной кодировки, после чего, используя механизм gating, внедряет объединенные детализированные признаки в выбранные скрытые слои большой языковой модели [latex]LLM[/latex].](https://arxiv.org/html/2512.24022v1/x3.png)
Исследователи представили инновационную модель, объединяющую визуальную информацию и лингвистические запросы для более эффективной интерпретации спутниковых снимков.
Новая модель обработки естественного языка позволяет избавиться от лишнего шума в научных аннотациях, повышая точность анализа и сравнения исследований.
[/latex] и [latex](5e)[/latex] при фиксированном <i>kk</i> определяют взаимосвязь между параметрами и влияют на стабильность системы.](https://arxiv.org/html/2512.24302v1/x1.png)
Новые алгоритмы позволяют находить решения целочисленного программирования с добавленными ресурсами, даже когда точные решения найти трудно.
Новая модель объединяет данные беспроводных каналов со зрительной информацией, открывая возможности для точной локализации и анализа условий распространения сигнала в будущих сетях.
Представлен алгоритм, способный классифицировать схожие документы с точностью, сравнимой с человеческой, используя всего один пример на категорию.
Новый набор задач LeanCat позволяет оценить возможности современных моделей искусственного интеллекта в области формального доказательства теорем и абстрактного мышления.
Исследователи разработали словарь, связывающий количественные признаки изображений с клиническими категориями Lung-RADS, чтобы сделать решения искусственного интеллекта в диагностике рака легких более прозрачными и надежными.