Алгоритм CBO с адаптивным дрейфом для оптимизации портфеля
![В ходе пятидесяти симуляций наблюдалась эволюция капитала, демонстрирующая, что применение алгоритма CBO (со стандартным отклонением [latex]\sigma = 0.1[/latex]) и его модификаций - Ad-CBO ([latex]\lambda_1 = 1[/latex]) и Adam-CBO ([latex]\beta_1 = 0.9, \beta_2 = 0.99[/latex]) - влияет на динамику накопления средств.](https://arxiv.org/html/2602.19204v1/regret_240530_2.png)
В статье представлен новый алгоритм консенсусной оптимизации, улучшающий динамическую оптимизацию и демонстрирующий эффективность в задачах онлайн-формирования инвестиционного портфеля.
Наука
Молекулярный интеллект: новая эра биосимуляций
Представлена модель UBio-MolFM, объединяющая машинное обучение и молекулярную динамику для точного и эффективного моделирования сложных биологических систем.
Аукцион по максимуму: новые грани оптимальности
В статье представлена унифицированная модель для анализа оптимальных аукционов с нелинейными функциями прибыли, раскрывающая новые возможности максимизации доходов.
Ловушки познания: как ошибки в модели мира приводят к непредсказуемым решениям ИИ
![В динамической петле «знание-действие» неверно специфицированный агент формирует убеждения [latex]\Theta^{\<i>}(\pi)[/latex] на основе данных, генерируемых собственной стратегией [latex]\pi\in\Delta(A)[/latex], а затем использует эти убеждения [latex]\mu\in\Delta(\Theta^{\</i>})[/latex] в сочетании с целевой функцией [latex]u[/latex] для определения оптимальных действий [latex]B(\mu)[/latex], формируя тем самым новую стратегию и замыкая цикл, в котором стабильные, самооправдывающиеся модели поведения выявляются посредством рационализации Берка-Нэша.](https://arxiv.org/html/2602.17676v1/images/behavior_belief_utility_triangle.png)
Новое исследование показывает, что проблемы с выравниванием ИИ, такие как подхалимство и обман, возникают из-за фундаментальных недостатков во внутренних моделях, используемых агентами для понимания мира.
Риски под контролем: Надёжные предсказания в реальном мире
Новая работа предлагает инструменты для оценки и управления рисками, связанными с использованием моделей машинного обучения в критически важных приложениях.