Прогнозирование кривой доходности: новый подход на основе стохастических дифференциальных уравнений

В исследовании сравниваются траектории факторов уровня, наклона и кривизны модели Нельсона-Сигеля, полученные тремя методами оценки: обычной наименьших квадратов для классической модели DNS (черная линия), модели BDNS (красная линия) и пространственно-временной модели (синяя линия), что позволяет оценить влияние различных подходов к моделированию динамики кривой доходности.

Исследование предлагает гибкую байесовскую модель для прогнозирования кривой доходности, расширяющую динамическую модель Нельсона-Сигеля с использованием случайных полей.

Сглаживание Квантования: Новый Метод Борьбы с Выбросами Весов

Оптимизация весов с помощью OptRot, оценка несогласованности Гессиана, отношение [latex]\operatorname{tr}(D)/\text{Tr}(H)[/latex], показатель UB, нормированный к [latex]\text{Tr}(H)[/latex], и соотношение сигнал/шум после квантизации GPTQ для модели Llama-3.1-8B демонстрируют взаимосвязь между оптимизацией весов и сохранением точности после квантизации.

Исследователи предлагают эффективный способ повышения точности квантования больших языковых моделей за счет оптимизации поворотов весов без использования обучающих данных.

Предсказание липофильности: от терабайтов данных к понятным моделям

Новый фреймворк позволяет с высокой точностью предсказывать липофильность молекул, используя огромные объемы данных и интерпретируемые методы машинного обучения.

Управляя неопределенностью: Эффективное решение задач стохастической оптимизации

В статье представлен новый подход к решению крупномасштабных задач стохастического оптимального управления, основанный на сочетании стохастических методов и иерархической предобусловки.