Денис Аветисян 
Представлен SymSeqBench — открытая платформа для генерации и анализа закономерностей в символьных последовательностях, расширяющая возможности исследований в области когнитивной науки и искусственного интеллекта.
![Наблюдается явление переполнения контекста: точность модели достигает пика при [latex]n=3[/latex] (53.1%), после чего успешность генерации резко падает, демонстрируя катастрофический сбой при [latex]n=6[/latex], когда лишь 7 из 1268 моделей обеспечивают работоспособность.](https://arxiv.org/html/2512.24120v1/x1.png)
Новое исследование демонстрирует, как с помощью всего нескольких примеров можно научить крупные языковые модели создавать эффективные архитектуры нейронных сетей для задач компьютерного зрения.
![В исследовании показано, что динамические ограничения ([latex]\delta\delta[/latex]) оказывают влияние на организацию признаков в различных режимах разреженности: при сильных ограничениях ([latex]\lambda=1.0[/latex]), умеренных ([latex]\lambda=0.1[/latex]) и их отсутствии ([latex]\lambda=0.0[/latex]). Несмотря на сохранение](https://arxiv.org/html/2512.23916v1/Figure4.png)
Новое исследование показывает, что наложение временных ограничений на нейронные сети значительно улучшает их способность к обобщению и устойчивости к шуму.
В статье представлен систематический обзор современных подходов и инструментов тестирования программного обеспечения для автомобилей, направленный на повышение эффективности и безопасности в процессе разработки.
Новое исследование показывает, как современные ИИ-системы осваивают сложные когнитивные способности и почему некоторые методы обучения работают лучше других.
В статье представлена инновационная система, использующая возможности искусственного интеллекта для направленной эволюции алгоритмов и автоматической оптимизации конвейеров машинного обучения.
Новое исследование оценивает способность современных языковых моделей решать сложные математические задачи, особенно в областях, недостаточно представленных в стандартных наборах данных.
Квантовый скачок в биологии: мечты и реальность Парадоксально, но чем больше мы узнаем о клетке, тем сложнее становится её понять. Данные накапливаются экспоненциально, а вычислительные мощности – нет. Это как пытаться собрать пазл, где деталей больше, чем позволяет стол. Представьте себе огромный океан данных о клетках. Классические компьютеры – это как лодки, которые могут пройти … Читать далее
![Рекуррентная языковая модель рассматривает входные запросы как часть окружающей среды, загружая их в качестве переменных в Python REPL-окружение [latex]\mathcal{E}[/latex] и генерируя код для рекурсивного анализа и вызова самой себя над программными фрагментами этой переменной.](https://arxiv.org/html/2512.24601v1/figures/Fig2.png)
В статье представлена инновационная архитектура, позволяющая существенно расширить возможности больших языковых моделей при обработке длинных текстов и сложных задач.
Новая модель на основе глубокого обучения позволяет выявлять скрытые связи между научными публикациями и патентами, выходя за рамки стандартного анализа цитирования.