Нейросети учатся умножать матрицы быстрее
![Наблюдения за процессом обучения показывают, что при ограничении значений элементов матриц диапазоном [-1, 1], потери при обучении и валидации демонстрируют тенденцию к снижению с уменьшением ранга матрицы от 23 до 19, при этом среднее значение и стандартное отклонение потерь отражают стабильность процесса обучения при различных значениях ранга.](https://arxiv.org/html/2602.21797v1/Images/loss_wb.png)
Исследователи предлагают новый подход к оптимизации матричных вычислений, используя нейронные сети для поиска более эффективных алгоритмов.
Наука
Невидимые Модели: Защита от Атак в Онлайн-Обучении
Новый подход к онлайн-обучению позволяет создавать модели, не отличимые от реальных данных, даже при наличии злонамеренных воздействий.
Ускорение генерации текста: новый подход к спекулятивному декодированию
Исследователи предлагают инновационную систему, позволяющую значительно повысить скорость работы больших языковых моделей за счет повторного использования скрытых состояний.
Взгляд художника: Искусственный интеллект предсказывает, куда мы смотрим на картинах
Новая модель машинного обучения позволяет точно прогнозировать траектории взгляда человека при просмотре произведений искусства, открывая новые возможности для анализа культурного наследия.
Скрытые связи: Восстановление сетей по неполным данным
![Представленный анализ демонстрирует, что разработанный байесовский предсказатель, оценивая улучшение по отношению к dcGM, способен не только достигать сопоставимых результатов по метрикам [latex] \text{ARE}_k [/latex], [latex] \text{MRE}_k [/latex], [latex] \langle\text{TPR}\rangle [/latex], [latex] \langle\text{PPV}\rangle [/latex], [latex] \langle\text{TNR}\rangle [/latex] и [latex] \langle\text{ACC}\rangle [/latex], но и превосходить его, причём оценка улучшения рассчитывается как [latex] (m_{\text{dcGM}}-m_{\text{Bayes}})/|m_{\text{dcGM}}| [/latex] или [latex] (m_{\text{Bayes}}-m_{\text{dcGM}})/|m_{\text{dcGM}}| [/latex], что указывает на эффективность предлагаемого полностью предсказывающего подхода к реконструкции данных.](https://arxiv.org/html/2602.21869v1/x14.png)
Новый подход позволяет реконструировать структуру сложных сетей, таких как финансовые транзакции, даже при ограниченном объеме информации.