?
Guided Star-Shaped Masked Diffusion
.
Мещанинов В. П., Shibaev E., Makoian A., Klimov I., Balagansky N., Gavrilov D., Аланов А., Ветров Д. П.
В книге
Seul: PMLR, 2026.
Ивченко А. В., Antiufrieva L. A., Kononyuk P. A. и др., , in: Distributed Computer and Communication Networks 22nd International Conference, DCCN 2019, Moscow, Russia, September 23–27, 2019, Revised Selected Papers Part of the Lecture Notes in Computer Science book series (LNCS, volume 11965) Also part of the Computer Communication Networks and Telecommunications book sub series (LNCCN, volume 11965).: Springer, 2019. P. 174–187.
Данная работа посвящена проблемам гарантированной передачи данных при динамически изменяющемся объеме потерь пакетов в диапазоне от 0 до 23% в каналах с полосой пропускания более 0,5 Мбит/с. Рассматриваются проблемы, возникающие из-за стандартных механизмов защиты от потерь TCP, таких как потоки повторной передачи и переполнение буфера. Предложены механизмы восстановления данных и служебной информации, настройки на текущее ...
Добавлено: 27 июня 2026 г.
Морозов В. И., Oleg Evsutin, Nikita Yarygin, , in: 2025 XIХ International Symposium on Problems of Redundancy in Information and Control Systems (Redundancy), 5-7 Nov. 2025.: IEEE, 2025. P. 1–7.
Добавлено: 30 декабря 2025 г.
TEncDM: Understanding the Properties of the Diffusion Model in the Space of Language Model Encodings
Шабалин А. М., Мещанинов В. П., Чимбулатов Е. Ф. и др., , in: Proceedings of the 39th Annual AAAI Conference on Artificial IntelligenceVol. 39. Issue 23.: Washington, United States of America: AAAI Press, 2025. Ch. 110 P. 25110–25118.
Добавлено: 18 декабря 2025 г.
Малинов С. А., Галактика медиа: журнал медиа исследований 2025 Т. 7 № 4 С. 154–173
В последние годы искусственный интеллект (ИИ) активно внедряется в повседневную жизнь человека. Его популярность неуклонно растёт, а компании всё чаще используют ИИ для оптимизации и ускорения рабочих процессов. Повседневные пользователи применяют большие языковые модели (Large Language Models, LLM) и мультимодальные ИИ-системы для решения широкого круга задач: генерации текстов, изображений и видео, планирования дня, поиска информации ...
Добавлено: 7 декабря 2025 г.
Мыльникова А. В., Гасимов А. Р., Научно-техническая информация. Серия 2: Информационные процессы и системы 2025 № 9 С. 33–38
На основе изучения функционирования больших языковых моделей (LLMs) и специфических характеристик машинной обработки дискурса показано применение экспериментального метода компьютерного и лингвистического анализа для статистического исследования и интерпретации лингвистических характеристик текстов. В качестве материалов исследования использован лингвистический корпус текстов Brown, а также корпуса искусственно сгенерированных текстов с применением Claude Sonnet 3.7 и Grok-3. В механизмах обработки ...
Добавлено: 19 ноября 2025 г.
Бакулев А. В., В кн.: Профессионализм учителя иностранных языков и его реализация. Сборник статей по материалам научно-методического симпозиума с международным участием «Лемпертовские чтения – XXVII» 15-17 мая 2025 года.: Пятигорск: Издательство Пятигорского государственного университета, 2025. С. 270–279.
Рассматривается проблема оценивания письменных работ студентов, выполняемых в рамках дисциплины «Академическое письмо на английском языке», в контексте возможностей искусственного интеллекта (ИИ). Инструменты ИИ, в частности большие языковые генеративные модели, оказываются в состоянии решать целый спектр задач образовательного процесса и научно-исследовательской деятельности. Не стало исключением и обучение иностранным языкам: инструменты ИИ широко используются в формировании иноязычной коммуникативной компетенции студентов, в том числе при ...
Добавлено: 5 июня 2025 г.
Кругликова В. Г., В кн.: Анализ речи: теоретические и прикладные аспекты: сборник научных статей.: [б.и.], 2023.
В статье представлен сравнительный анализ различных языковых моделей, используемых для генерации текстов, и произведена оценка их эффективности для задачи генерации диалоговой речи. В сравнительном анализе участвуют модели GPT-3, BERT, LSTM. Данное исследование является частью проекта по разработке системы генерации диалогов на русском языке. В работе также описана архитектура разрабатываемой системы и предложены примеры её использования. ...
Добавлено: 10 декабря 2023 г.
Тихонова М. И., Pisarevskaya D., Шаврина Т. О. и др., Komp'juternaja Lingvistika i Intellektual'nye Tehnologii 2021 Vol. 20 P. 1214–1223
Добавлено: 22 сентября 2023 г.
Янковский Р. М., Закон 2023 № 3 С. 126–133
В статье рассматривается возможность использования искусственного интеллекта (ИИ), в частности ChatGPT на базе модели GPT 4.0, для создания статей в области права. Анализируются достоинства и недостатки использования ИИ в сфере юриспруденции, включая способность ИИ адаптироваться к сложным юридическим терминам, изменениям в законодательстве и тонкостям аргументации. Основное внимание уделяется потенциальным ошибкам, которые могут возникнуть при генерации текста ИИ, их причинам ...
Добавлено: 28 марта 2023 г.
Кузьменкова Ю. Б., Юрайт, 2020.
Данное пособие, ориентированное на студентов технических направлений, обладающих начальными знаниями английского языка, нацелено на устранение наиболее частотных ошибок и является коррективным для тех, кто не сдавал ЕГЭ по английскому языку при поступлении. Пособие включает краткие сведения по основным разделам базового курса, а также раздел, посвященный использованию английского языка в различных ситуациях общения; содержит тесты, тренировочные ...
Добавлено: 29 октября 2021 г.
Emelyanov A., Shliazhko O., Katricheva N. и др., , in: Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialogue” (2021)Issue 20: Основной том.: -, 2021. Ch. 18 P. 204–212.
В статье представлена методология дообучения языковой модели RuGPT3-XL (Generative Pretrained Transformer-3 для русского языка) для задачи нормализации спанов текста. Решение представлено на конкурсе по двум задачам: Нормализация именованных сущностей (Named entity) и Нормализация более широкого класса фрагментов текста, включая нормализацию различных частей речи (Generic spans). Лучшее решение достигло точности 0.9645 для задачи нормализации фрагментов текста ...
Добавлено: 5 сентября 2021 г.