Исследователи представили обширный набор данных KOREATECH-CGH, призванный ускорить разработку высококачественных трехмерных дисплеев и приложений, основанных на компьютерной генерации голограмм.
Исследователи представили GLiBRL, метод глубокого байесовского обучения с подкреплением, позволяющий создавать более эффективные и гибкие системы, способные быстро адаптироваться к новым задачам.
![Оценка [latex]testMSE[/latex] демонстрирует масштабируемое поведение в зависимости от размера обучающей выборки [latex]DD[/latex], при этом [latex]DD[/latex] отражает количество уникальных снимков, полученных в результате геометрического потока и представленных в наборе данных в виде графов, что указывает на влияние размера и репрезентативности данных на производительность моделей различного масштаба.](https://arxiv.org/html/2512.20941v1/figs/scaling/mean-error-all-models.png)
Исследователи представили обширный набор данных для аэродинамического моделирования крыла двойной дельтавидной формы и продемонстрировали эффективность графовых нейронных сетей при ограниченном объеме исходных данных.
Новое исследование представляет комплексный подход к улучшению способности больших языковых моделей к многоходовым уточняющим диалогам, необходимому для естественного общения с пользователями.
Новая методика и платформа ClarifyMT-Bench позволяют оценить и улучшить способность больших языковых моделей к многоходовому уточнению информации в процессе диалога.