Устранение искажений: Новый подход к восстановлению изображений
Исследование предлагает эффективный метод решения проблемы несоответствия яркости в задачах обработки изображений, что значительно улучшает качество и обобщающую способность алгоритмов.
Искусственный интеллект
Робот-манипулятор учится предвидеть: новая модель для обучения с подкреплением
![В ходе задачи по сборке из блоков наблюдается, что оценка ценности, основанная на визуально-языковой модели (VLM), остаётся нечувствительной к ошибкам, что указывает на переобучение на успешных траекториях, в то время как разработанная модель ViVa демонстрирует резкое снижение оценки именно в моменты совершения ошибок, подтверждая свою чувствительность к неоптимальным действиям за счёт привязки к предполагаемой динамике воплощения [latex] \Delta t [/latex].](https://arxiv.org/html/2604.08168v1/x4.png)
Исследователи разработали инновационный подход, позволяющий роботам лучше понимать динамику окружающего мира и повышать эффективность выполнения сложных задач.
Энергоэффективность сотовой сети: обучение с подкреплением и управление режимами сна
Новый подход к оптимизации энергопотребления в беспроводных сетях использует обучение с подкреплением и машины вознаграждений для интеллектуального управления режимами сна базовых станций.
За гранью случайного поиска: как обучить агента эффективно учиться
Новая работа предлагает подход к обучению агентов, позволяющий им извлекать максимум пользы из опыта и улучшать процесс обучения с подкреплением.
Фрактальные лабиринты: где электроны теряют дорогу
![Фрактальные агрегаты, демонстрируемые в двух- и трёхмерном пространствах, формируются посредством кластер-кластерной и партикл-кластерной агрегации, причём параметр α, варьируясь в диапазоне (−2, 2), позволяет настраивать их фрактальную размерность и интерполировать между C-C и P-C моделями, что подтверждается усреднением по 256 образцам для различных размеров [latex]N[/latex] от [latex]2^7[/latex] до [latex]2^{12}[/latex] и масштабирующей зависимостью (1).](https://arxiv.org/html/2604.07700v1/x43.png)
Новое исследование раскрывает, как самоподобие и беспорядок влияют на движение электронов в сложных фрактальных структурах.
Видеопонимание: Как компактные модели учатся видеть главное
![Архитектура Tempo представляет собой унифицированный подход к пониманию длинных видео, рассматривая этот процесс как сквозное сжатие с учётом запроса: локальный компрессор, использующий малую визуально-языковую модель, дистиллирует визуальные токены и запрос пользователя в обучаемые токены памяти [latex] \mathbf{M} [/latex], в то время как адаптивное распределение токенов позволяет динамически обрезать нерелевантные сегменты, выделяя пропускную способность критически важным участкам и строго соблюдая глобальный бюджет [latex] B_{\max} [/latex]; сжатые токены памяти затем собираются в разреженную, чувствительную ко времени последовательность с использованием временных меток, которую глобальная языковая модель синтезирует для генерации ответа.](https://arxiv.org/html/2604.08120v1/x2.png)
Новый подход позволяет значительно снизить вычислительные затраты при анализе длинных видео, не теряя при этом точности.
Ветропарки: где кроется угроза устойчивости?
Новое исследование показывает, что упрощенные модели ветроэлектростанций могут давать неверные результаты при анализе стабильности энергосистемы.
Неявная память языковых моделей: где заканчивается обучение и начинается адаптация?
Новый бенчмарк ImplicitMemBench показывает, что современные большие языковые модели испытывают трудности с освоением форм памяти, лежащих в основе автоматизированного поведения.
Видео по запросу: реалистичные ролики с управлением светом и окружением
![Предложенный конвейер LiVER преобразует текстовое описание в фотореалистичное видео, анализируя категории объектов и пространственные отношения для построения трёхмерной сцены, вычисляя траекторию камеры, и интегрируя физически достоверные условия освещения и отражения, закодированные в компонентах [latex]X_{cond}[/latex], [latex]CC[/latex], и [latex]LL[/latex], посредством диффузионной модели DiT, что позволяет сохранить планировку сцены, траекторию камеры и реалистичное поведение освещения.](https://arxiv.org/html/2604.07966v1/x3.png)
Новая методика позволяет создавать правдоподобные видео, где освещение, расположение объектов и ракурс камеры полностью контролируются.
Чёрные дыры: новый взгляд на классификацию термодинамики
![Функция температуры [latex]T(r_h)[/latex] чёрной дыры Шварцшильда демонстрирует зависимость температуры от горизонта событий [latex]r_h[/latex], раскрывая фундаментальную связь между геометрией пространства-времени и термодинамическими свойствами чёрных дыр.](https://arxiv.org/html/2604.08315v1/x4.png)
Исследование объединяет различные подходы к пониманию термодинамических свойств чёрных дыр, предлагая единую систему классификации.