Управление в условиях неопределенности: новый подход к надежности систем
В статье представлен метод стохастического управления, обеспечивающий надежную работу систем даже при нечетко заданных требованиях и высокой степени неопределенности.
Наука
Торги по закрытию: как нейросети учатся быть маркет-мейкерами
В новой работе исследователи предлагают подход на основе обучения с подкреплением для оптимизации стратегий маркет-мейкинга, учитывающий динамику торгов по закрытию.
Портфель Марковица: Новый взгляд на оптимизацию
Исследование показывает, что модифицированная версия классического портфеля Марковица, использующая формулу Шермана-Моррисона, обеспечивает оптимальное решение в задачах многопериодной оптимизации инвестиций.
Интеллектуальные портфели: как нейросети учатся на ошибках
Новый подход к оптимизации инвестиционных портфелей сочетает алгоритмы обучения без сожалений с анализом настроений рынка на основе больших языковых моделей.
Адаптивное внимание: как ускорить большие языковые модели без потери качества
![Исследование динамики обучения механизма Elastic Attention выявило, что разделение общей функции потерь на основную языковую модель и регуляризацию разреженности позволяет модели автоматически различать задачи, устойчивые к разреженности (с использованием [latex]\Omega\_{\mathrm{MSR}}[/latex]) и чувствительные к ней, посредством адаптации коэффициентов λ, что демонстрирует принципиально новый подход к оптимизации разреженности в нейронных сетях.](https://arxiv.org/html/2601.17367v1/x23.png)
Новый подход к разреженному вниманию позволяет динамически регулировать вычислительные затраты больших языковых моделей во время работы, оптимизируя их производительность для различных задач.