Смена режимов на финансовых рынках: взгляд через призму условных RBM
В новой работе исследуется применение условных машин Больцмана для выявления структурных сдвигов в динамике финансовых временных рядов.
Наука
Роботы учатся жонглировать задачами: модульные политики на основе диффузионных моделей
![Предложенная методика диффузионного предсказания действий (FDP) формирует итоговую оценку, взвешивая прогнозы множества экспертов по диффузии на каждом шаге шумоподавления, что позволяет моделировать сложные многомодальные распределения и адаптироваться за счёт селективной настройки или добавления диффузионных компонентов, направляя итеративный процесс шумоподавления для генерации действия [latex]\mathbf{a}_{t}[/latex].](https://arxiv.org/html/2512.21898v1/x1.png)
Новый подход к многозадачному обучению позволяет роботам гибко адаптироваться и эффективно выполнять сложные манипуляции, разбивая их на специализированные навыки.
Тактика победителей: Искусственный интеллект на гоночной трассе
Новое исследование демонстрирует, как машинное обучение может оптимизировать стратегию гонки в Формуле-1, приближая команды к победе.
Квантовый трейдинг: адаптация к рыночным трендам
Новый подход к автоматизированной торговле ETF акциями объединяет возможности квантовых вычислений и динамического кластеризации временных рядов.
Жадные алгоритмы и распределение ресурсов: новый взгляд на задачу Multi-Armed Bandit
В статье представлена новая модель Multi-Play Multi-Armed Bandit с приоритетным распределением ресурсов, позволяющая оптимизировать выбор действий в условиях неопределенности.