Когда задачи не требуют данных: как нейросети учатся без обучения
Обзор новой области исследований, где нейронные сети решают задачи, используя лишь один экземпляр проблемы, без необходимости в традиционных обучающих данных.
Когда данные становятся ключом: как обучить большие языковые модели эффективно
Как максимизировать производительность больших языковых моделей при ограниченных ресурсах, фокусируясь на стратегии работы с данными.
Когда конкуренция становится устойчивой: как разнообразие агентов стабилизирует рынки
Исследование показывает, как взаимодействие разнородных агентов в финансовых рынках приводит к более устойчивому сосуществованию, чем жесткая конкуренция.
Когда прогноз становится классификацией: как обученные модели для прогнозирования временных рядов решают задачи классификации без дополнительной настройки
Как предварительно обученные модели, предназначенные для прогнозирования временных рядов, демонстрируют высокую эффективность в задачах классификации без необходимости дополнительного обучения на специфических данных.
Когда задача усложняется: как вычислить чувствительность решения
Новый фреймворк DiffOpt.jl для языка Julia позволяет эффективно анализировать, как изменяется решение оптимизационной задачи при изменении её параметров, даже в невыпуклых случаях.