Законы обучения научных моделей: как добиться универсальности
Новое исследование выявляет ключевые принципы, определяющие эффективность дообучения больших языковых моделей для решения задач в различных научных областях.
Наука
Рекомендации нового поколения: MTFM для масштабируемых систем Meituan
В статье представлена модель MTFM, разработанная для повышения эффективности и гибкости рекомендательных систем в условиях растущих объемов данных и разнообразия сценариев.
Где важна каждая битовая деталь: оптимизация моделей мира для эффективного планирования
Новое исследование показывает, что эффективность моделей мира при планировании пространственных задач зависит не столько от общего количества бит, сколько от того, как они распределены между энкодером и предсказателем.
Справедливое распределение: достигнута новая высота
![На основе анализа примера 2.10, визуализация положения объектов с точки зрения агента 11 демонстрирует, что множество [latex]X\_1 = \{g\_1, g\_2\}[/latex] является допустимым решением в рамках критерия EEFX.](https://arxiv.org/html/2602.11732v1/x2.png)
Новое исследование доказывает возможность одновременного обеспечения двух ключевых критериев справедливости при распределении ресурсов между участниками.
Как выборка формирует поведение больших языковых моделей: от мгновенной оптимизации к динамическим процессам
![Исследование влияния параметра α в алгоритме MRS-DPO (предпочтения ST с шумом конечной выборки) при фиксированных значениях [latex]\beta = 1.0[/latex] и [latex]\lambda = 0.6[/latex] демонстрирует, как варьирование данного параметра влияет на стабильность и эффективность обучения.](https://arxiv.org/html/2602.12180v1/figs/dpo_figure1.png)
Новое исследование показывает, как стратегия отбора данных влияет на процесс согласования языковых моделей с предпочтениями человека, выявляя потенциальные риски нестабильности и предлагая способы их предотвращения.