Новое исследование подробно анализирует методы пост-тренировочного квантования, позволяющие уменьшить размер и повысить эффективность больших языковых моделей без существенной потери качества.
Исследователи разработали метод, позволяющий большим языковым моделям более эффективно выполнять сложные алгоритмические задачи, демонстрируя улучшения в решении арифметических вычислений.
Исследователи разработали модель, позволяющую понять, как люди мысленно манипулируют объектами в пространстве, и применили ее для решения сложной задачи сравнения кубиков.
В статье рассматриваются современные методы восстановления функций на основе дискретных выборок, стремящиеся к достижению точности, сравнимой с оптимальными аппроксимациями.
[/latex] и построение тензора [latex]B_{ij}^{q}[/latex], учтены; отсутствие данных в некоторых точках обусловлено нехваткой памяти GPU для проведения соответствующих вычислений.](https://arxiv.org/html/2601.08077v1/x4.png)
Исследователи разработали адаптивный алгоритм, использующий 8-битные целочисленные вычисления на AI-ускорителях для значительного повышения скорости вычислений плотностной аппроксимации.
Исследователи разработали эффективный метод случайной генерации квантовых кодов LDPC, основанный на декодировании информационных множеств.
Исследователи представили комплексный инструмент для оценки способностей больших языковых моделей в решении задач количественного финансового анализа.
Квантовый горизонт: от теории к инфраструктуре Парадоксально, но квантовая физика, всегда будоражившая воображение, теперь требует от нас не столько гениальных открытий, сколько кропотливой работы инженера. Мы, кажется, подошли к тому моменту, когда квантовые технологии перестают быть экзотикой и становятся частью инфраструктуры, требующей немедленного внимания. Представьте себе сложный механизм, где каждая деталь взаимосвязана. Если одна деталь … Читать далее
Исследователи разработали эффективный метод поиска компактных реализаций квадратичных булевых функций, что позволяет создавать более быстрые и безопасные криптографические системы.
![В квантовой системе эволюция состояния из начальной точки [latex]|0\rangle[/latex] в целевую [latex]|1\rangle[/latex] демонстрирует успешное управление, что подтверждается полным перекрытием векторов состояний и, как следствие, их визуальным объединением в единый вектор на сфере Блоха.](https://arxiv.org/html/2601.08662v1/images/bloch_sphere_final.png)
В статье представлен обзор методов обучения с подкреплением, от классических алгоритмов до их применения в задачах квантового управления.