Новое исследование демонстрирует, как алгоритмы обучения с подкреплением могут значительно улучшить стратегии оптимального исполнения ордеров на финансовых рынках.
Новый подход к генерации конфиденциальных табличных данных позволяет превзойти существующие методы, особенно при работе со сложными, сильно коррелированными наборами.
Новое исследование показывает, что системы, призванные обеспечить честное разделение ресурсов, могут быть подвержены координированным манипуляциям с помощью современных языковых моделей.
Исследователи представили LOBERT — генеративную модель, способную эффективно обрабатывать и прогнозировать изменения в книгах лимитных ордеров.
Исследователи предлагают инновационную систему, сочетающую вариационные автокодировщики и обучение с подкреплением для точного выявления отклонений в многомерных временных данных.