Табличные данные: адаптация моделей к новым измерениям
![Для повышения точности модели при прогнозировании болезни Альцгеймера предложена методика инкрементного вывода, позволяющая адаптировать обученную модель θ на исходных атрибутах [latex]X[/latex] с учётом новых факторов, таких как YWHAG (опубликован в Nat. Hum. Behav. Guo et al., 2024) и MI (Nat. Med. Jack et al., 2024), что позволяет эффективно интегрировать актуальную информацию в уже существующую модель.](https://arxiv.org/html/2601.15751v1/x1.png)
Новый подход позволяет табличным моделям машинного обучения эффективно обрабатывать новые признаки на этапе инференса, повышая их гибкость и точность.
![Для повышения точности модели при прогнозировании болезни Альцгеймера предложена методика инкрементного вывода, позволяющая адаптировать обученную модель θ на исходных атрибутах [latex]X[/latex] с учётом новых факторов, таких как YWHAG (опубликован в Nat. Hum. Behav. Guo et al., 2024) и MI (Nat. Med. Jack et al., 2024), что позволяет эффективно интегрировать актуальную информацию в уже существующую модель.](https://arxiv.org/html/2601.15751v1/x1.png)
Новый подход позволяет табличным моделям машинного обучения эффективно обрабатывать новые признаки на этапе инференса, повышая их гибкость и точность.

В статье представлена библиотека FlexLLM, позволяющая создавать настраиваемые и эффективные аппаратные ускорители для обработки больших языковых моделей.

В статье представлена инновационная методика моделирования каналов связи и сенсорики, использующая возможности генеративного искусственного интеллекта и семантического анализа окружающей среды.

Новый подход к активному обучению использует возможности нескольких больших языковых моделей для автоматической разметки данных, снижая затраты и повышая надежность.

Статья посвящена разработке комплексного подхода к управлению автономными системами искусственного интеллекта в сфере здравоохранения, направленного на предотвращение неконтролируемого разрастания и обеспечение безопасности.

Новое исследование показывает, как комбинировать современные методы поиска и обработки языка для получения более точных и надежных ответов на вопросы, связанные с нормативными документами.

Новое исследование сравнивает возможности больших языковых моделей в преобразовании естественного языка в код на Python и SQL, выявляя ключевые различия в их устойчивости к неполной информации.
Новое исследование показывает, как большие языковые модели способны имитировать особенности мышления людей с нейроотличиями.
В статье предложена оригинальная модель мозга, использующая инструменты теории пучков для понимания его функционирования и патологий.
![Рамка CogToM представляет собой комплексный подход к моделированию когнитивных процессов, обеспечивающий структурированное представление знаний и позволяющий проводить дедуктивные умозаключения на основе формализованных [latex] \mathcal{L} [/latex]-логических правил.](https://arxiv.org/html/2601.15628v1/figs/sankey.png)
Исследователи представили комплексную методику оценки способности больших языковых моделей понимать намерения и убеждения других, приближенную к принципам человеческого мышления.