![Точка ν в функции [latex]\mathrm{MPS}(\mu)[/latex] демонстрирует критическую особенность, определяющую поведение системы при заданном значении μ.](https://arxiv.org/html/2603.11448v1/mps-heat.png)
В статье исследуются глубокие связи между стохастической оптимизацией и теорией случайных процессов, открывающие новые возможности для принятия решений в условиях неопределенности.
Как гласит сухой язык отчетов (который, признаюсь, не слишком увлекателен), Land & Buildings прикупила эти самые акции 17 февраля 2026 года. Сумма, если позволите, весьма приличная – около 37,08 миллиона долларов. Это, знаете ли, не мелочь. И, что самое приятное, к концу квартала стоимость этих акций осталась на том же уровне, что подтверждает, что приобретение было, как говорится, удачным.
А тут, представьте себе, Amazon со своей Zoox подкатили. Договорились, значит, что Zoox свои роботакси (без руля, без педалей, вообще что это такое?) будут катать людей в Лас-Вегасе, а потом и в Лос-Анджелесе. Как будто в России не хватает такси. Как будто у нас тут пробок нет. Ну да, Uber, конечно, рад. Говорит, что это «стратегическое партнерство». А я вам скажу, это просто перекладывание рисков. То есть, они теперь будут говорить: «Мы не виноваты, это Zoox виноват, что машина меня по кругу возит».
Они избавились от 72 000 акций Buckle. На это ушло примерно 4,22 миллиона долларов. Деньги, конечно, не растут на деревьях, но и Buckle, видимо, перестала расти в их глазах. Они больше не видят в ней перспектив. И, знаете, иногда это самое мудрое решение. Их доля теперь равна нулю. Полный ноль. Как будто этой компании никогда и не было.
![Байесовский суррогатный цикл, представленный в алгоритме 4, функционирует посредством последовательной оптимизации на дешёвой суррогатной модели, чередующейся с дорогостоящим вычислением оракула, при этом каждый шаг - от обучения гауссовского процесса [latex]GP[/latex] до выбора следующей точки запроса - направлен на итеративное улучшение модели и соблюдение ограничений доверия.](https://arxiv.org/html/2603.10992v1/x8.png)
Новый подход, основанный на байесовской оптимизации и гауссовских процессах, позволяет значительно сократить время поиска стационарных точек на поверхностях потенциальной энергии.