Квантовые схемы: поиск оптимальной архитектуры с помощью искусственного интеллекта

Алгоритм MARL-QAS предлагает распределение пространства действий между множеством агентов обучения с подкреплением, открывая перспективы для реализации в распределённых квантовых вычислениях благодаря агентской модели исполнения.

Новый подход, основанный на многоагентном обучении с подкреплением, позволяет значительно ускорить процесс разработки квантовых схем, адаптированных к конкретным задачам.

Квантовая термодинамика: моделирование за пределами возможностей классических вычислений

Алгоритм расширения кванкернельной функции (QKFE) позволяет моделировать квантовую термодинамику, преобразуя динамику во времени в термодинамические величины при конечной температуре, такие как свободная энергия $F(T)$, а также вычислять энтропию $S(T)$ и теплоемкость $C(T)$ посредством аналитического дифференцирования, при этом, применительно к 1D 10-кубитному TFIM, приближение QKFE демонстрирует высокую точность по сравнению с точной диагонализацией, а в 2D TFIM, реализация алгоритма на квантовом процессоре подтверждает линейное масштабирование теплоемкости, причём для случаев $2 \times 2$ и $2 \times 3$ погрешности оказываются меньше толщины линии, что обусловлено обширным усреднением по выборкам и квантовым измерениям.

Новый квантовый алгоритм позволяет эффективно моделировать термодинамические процессы в квантовых системах при конечных температурах, открывая перспективы для изучения сложных физических явлений.

Самообучающийся Автопилот: Новый Подход к Безопасности и Адаптации

С целью повышения надежности систем автономного вождения предложен метод, устраняющий расхождения между данными, полученными в процессе обучения, и реальными условиями эксплуатации, посредством генерации контрфактических данных, а также адаптации стратегии управления на основе модели, учитывающей различия в целевых функциях.

Исследователи представили инновационную систему, позволяющую автомобилям с автопилотом обучаться на симулированных сценариях и адаптироваться к неожиданным ситуациям в реальном времени.

Обещания и сложность: как свойства предикатов упрощают задачи

Условия, необходимые для доказательства теорем 5.16, 5.17, 5.18 и 5.21, гарантирующих существование малых фиксированных назначений, формируют основу для обеспечения стабильности и управляемости системы.

В новой работе исследуется, как классификация логических предикатов по критерию ‘полезности обещаний’ позволяет выявлять условия, при которых задачи поиска решений становятся вычислительно простыми.

Раскрывая потенциал языковых моделей: новый взгляд на оценку

Система DSPy, используя базовые запросы HELM и генерируя их структурированные варианты, обеспечивает более надежную оценку моделей, проявляющуюся в улучшенной производительности, снижении вариативности и изменении относительного ранжирования моделей.

Исследование показывает, что стандартные методы оценки производительности языковых моделей могут быть неточными и непоследовательными, требуя более комплексного подхода.

Ранжирование с умом: новый подход к предсказанию кликов

Предложенный метод, основанный на параметре $m=3$, демонстрирует целостный подход к решению задачи, позволяя эффективно использовать доступные ресурсы и оптимизировать процесс.

В статье представлен RIA — унифицированный алгоритм, объединяющий ранжирование и переранжирование для повышения точности предсказания CTR в рекомендательных системах.

Не только точность: оценка надежности восстановления данных

Время выполнения для одного прогона при 30%-ном уровне пропусков данных демонстрирует, что классические методы сообщают об общем времени, в то время как глубокие модели учитывают время обучения и единичной импутации.

Новое исследование показывает, что высокая точность методов восстановления пропущенных значений не гарантирует адекватную оценку неопределенности результатов.

Умная генерация текста: как сократить расходы на большие языковые модели

Различные провайдеры демонстрируют неоднородную экономию токенов при использовании идентичных стратегий маршрутизации, что связано со специфическими особенностями генерации ответов каждым из них; в частности, модель на основе многослойного перцептрона (MLP) обеспечивает снижение количества токенов на 33.0% для OpenAI, 33.9% для Gemini и 32.6% для Claude по сравнению с базовым уровнем, характеризующимся максимальной детализацией.

Новый подход к динамическому выбору шаблонов позволяет снизить стоимость работы с большими языковыми моделями, не жертвуя качеством генерируемого текста.

Ускорение решения эллиптических уравнений с помощью изогометрического анализа

Новый подход к построению предварителей алгебраической многосеточной схемы позволяет существенно повысить скорость решения систем линейных уравнений, возникающих при дискретизации эллиптических уравнений методом изогометрического анализа.