Объединяя усилия против мошенничества: федеративное обучение в финансах
![В предложенной схеме обучения HybridFL, сторона, инициирующая транзакцию, выступает в роли активного агента, объединяя векторные представления, полученные от банков-отправителей и получателей, со своим собственным векторным представлением транзакции для прогнозирования и вычисления потерь и градиентов относительно этих представлений; вычисленные градиенты затем передаются обратно соответствующим банкам для обновления локальных моделей отправителя и получателя, при этом периодическая синхронизация локальных моделей банков осуществляется посредством федеративного усреднения [latex]Federated Averaging[/latex].](https://arxiv.org/html/2602.19207v1/Figures/hybridFL.png)
Новый подход к обнаружению финансовых преступлений позволяет объединить данные из разных источников, не раскрывая конфиденциальную информацию.
![В предложенной схеме обучения HybridFL, сторона, инициирующая транзакцию, выступает в роли активного агента, объединяя векторные представления, полученные от банков-отправителей и получателей, со своим собственным векторным представлением транзакции для прогнозирования и вычисления потерь и градиентов относительно этих представлений; вычисленные градиенты затем передаются обратно соответствующим банкам для обновления локальных моделей отправителя и получателя, при этом периодическая синхронизация локальных моделей банков осуществляется посредством федеративного усреднения [latex]Federated Averaging[/latex].](https://arxiv.org/html/2602.19207v1/Figures/hybridFL.png)
Новый подход к обнаружению финансовых преступлений позволяет объединить данные из разных источников, не раскрывая конфиденциальную информацию.
![Обучение с подкреплением на основе мета-обучения позволяет агенту адаптироваться к различным погодным условиям на гоночных трассах: начальные знания [latex]\varphi[/latex] уточняются в ходе [latex]K[/latex] эпизодов тренировок на конкретных трассах, а мета-оптимизатор использует полученные результаты для обновления этих знаний [latex]\varphi[/latex], при этом прогресс обучения оценивается на новых трассах каждые [latex]L[/latex] мета-эпох, что в итоге обеспечивает адаптацию политики к неизвестным трассам и демонстрирует качество предварительных знаний [latex]\varphi[/latex].](https://arxiv.org/html/2602.19837v1/meta_rl_racing_game.jpg)
Обзор мета-обучения и мета-обучения с подкреплением демонстрирует эволюцию от градиентных алгоритмов к современным универсальным агентам на основе трансформеров.

Новый подход позволяет одновременно учитывать стратегическое поведение производителей электроэнергии и планирование развития сетевой инфраструктуры.

Исследователи обнаружили, что неавторегрессивные диффузионные модели способны эффективнее решать задачи планирования, используя структурную асимметрию и обратную логику декодирования.

Новый комплексный подход к оценке и тестированию языковых моделей, применяемых в финансовой сфере, призван обеспечить более ответственное и эффективное внедрение технологий ИИ.