Наука

Ученые ВШЭ оптимизировали обучение генеративных потоковых нейросетей

Ученые ВШЭ оптимизировали обучение генеративных потоковых нейросетей
Исследователи факультета компьютерных наук НИУ ВШЭ улучшили метод обучения генеративных потоковых нейросетей для работы с неструктурированными задачами. Это поможет искать новые лекарства эффективнее. Результаты работы были представлены на одной из ведущих конференций по машинному обучению — ICLR 2025. Текст работы доступен в репозитории Arxiv.org.

Эволюция Института ИИ и цифровых наук: сильнее команда, ярче результаты

Эволюция Института ИИ и цифровых наук: сильнее команда, ярче результаты

«Настоящая наука требует долгих исследований и осторожных выводов»

Владимир Спокойный
Возвращение выдающихся ученых в Россию подтверждает привлекательность российской науки для ведущих экспертов мирового уровня. Владимир Спокойный, профессор, доктор физико-математических наук, научный руководитель Лаборатории теоретических основ моделей искусственного интеллекта (ТОМИИ) в Институте искусственного интеллекта и цифровых наук ФКН, вернулся в Россию после многолетней научной деятельности в Германии. Сейчас он активно участвует в развитии отечественного исследовательского сектора. Впечатлениями о современной российской науке и своей работе в НИУ ВШЭ ученый поделился в интервью.

Смешать, но не взбалтывать: ВШЭ и AIRI ускорили дообучение нейросетей

Смешать, но не взбалтывать: ВШЭ и AIRI ускорили дообучение нейросетей
Исследователи из ВШЭ и AIRI предложили метод быстрой донастройки нейросетей: данные обрабатываются по группам, которые затем перемешивают оптимальным образом, чтобы улучшить их взаимодействие. Метод лучше аналогов справляется с генерацией и анализом изображений, дообучением текстовых моделей. При этом он требует меньше памяти и времени на обучение. Результаты работы были представлены на конференции NeurIPS 2024.