Новое исследование показывает, как стандартная настройка предобученных моделей для предсказания молекулярных свойств приводит к снижению обобщающей способности на новых данных, и предлагает эффективное решение этой проблемы.
Новый бенчмарк FinVault выявил серьезные уязвимости в системах безопасности финансовых агентов, работающих в динамичных и приближенных к реальности средах.
Новое исследование показывает, что эффективное обучение языковых моделей, управляющих большим набором инструментов, возможно только при использовании принципа разреженности — когда активно задействована лишь небольшая часть доступных возможностей.
![Анализ динамики индекса NYSE Composite посредством преобразования Хилберта-Хуанга позволил выявить режимы функционирования системы, классифицированные по уровням мгновенной энергии: нормальный режим ([latex]E(t) \leq \mu + \sigma[/latex]), характеризующийся стабильностью, высокий режим ([latex]\mu + \sigma < E(t) \leq \mu + 6\sigma[/latex]), указывающий на усиление активности, и экстремальный режим ([latex]E(t) > \mu + 6\sigma[/latex]), свидетельствующий о потенциально критических изменениях, где μ и σ представляют собой выборочное среднее и стандартное отклонение нормализованной энергии соответственно.](https://arxiv.org/html/2601.08571v1/x1.png)
Новое исследование выявляет, как различные фазы рыночной динамики влияют на доходность акций в развитых и развивающихся странах.
В статье рассматривается практический подход к интеграции тематических активов в небольшие инвестиционные портфели, основанный на оценке реализуемости, а не на прогнозах рынка.