Обучение языковых моделей: от подражания к эффективному вознаграждению
![В предложенном подходе, названном GFT, вычисляются стандартизированные относительные преимущества [latex]A_{k}[/latex] на основе гибридных групп ответов - демонстраций экспертов, результатов обучения с учителем и выборок из rollouts - а для ограничения весов важности применяется динамическая коррекция коэффициентов посредством обрезки градиентов для каждого токена.](https://arxiv.org/html/2604.14258v1/x1.png)
Новый подход к постобработке больших языковых моделей позволяет улучшить обобщающую способность, исследование пространства решений и предотвратить катастрофическое забывание.
Наука
Предсказания на Реальных Данных: Проверка Способностей Искусственного Интеллекта в Финансовых Рынках
Новое исследование оценивает, насколько хорошо модели искусственного интеллекта могут прогнозировать события и приносить прибыль на децентрализованных рынках предсказаний.
Оптимальная транспортировка: новый подход к скорости и эффективности
В статье представлен инновационный метод ускорения расчетов оптимальной транспортировки, использующий принцип амортизации и срезы потенциалов.
Оптимизация портфеля: новый взгляд на множители Лагранжа
![Динамический множитель Лагранжа [latex]\lambda(t,x)[/latex], полученный посредством преобразования Лежандра - Фенхеля функции [latex]u(t,x)[/latex], демонстрирует зависимость от времени и координат, при значениях параметров T=10, r=0.05, [latex]\mu = 0.086[/latex] и [latex]\sigma = 0.3[/latex].](https://arxiv.org/html/2604.14924v1/x2.png)
Исследование устанавливает связь между динамическими множителями Лагранжа и точками сопряженного двойственного решения в задачах оптимизации с невыпуклой функцией полезности.
Спасая DeFi: Проактивный AI против рисков ликвидации
Новая система на основе искусственного интеллекта предсказывает и предотвращает ликвидации в децентрализованных финансовых протоколах, таких как Aave.