Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали подход, который помогает эффективнее подбирать рекомендательные алгоритмы. В нем разные методы попарно соревнуются, а по результатам всех поединков составляется общий рейтинг. Это помогает сократить число алгоритмов, которые нужно проверять при разработке новых сервисов, и сэкономить денежные и временные ресурсы.Исследование было представлено на 32-й конференции ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026).
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».
Ученые из МИЭМ ВШЭ и Самарского университета создали алгоритм LRF-3D для автоматического обхода неработающих узлов в трехмерных сетях на кристалле. Благодаря своей иерархической организации он превосходит аналоги по быстродействию и точности пути, повышая надежность процессоров для использования в ЦОД, суперкомпьютерах и ИИ-вычислениях. Исходные коды алгоритмов и тестов опубликованы в открытом доступе.
Исаева М. Н., T-Comm: Телекоммуникации и транспорт 2023 Т. 17 № 7 С. 4–12
В данной статье рассматривается вопрос об оценке вероятности нахождения информационных совокупностях в матрицах блочно-перестановочного и блочно-циркулянтного вида. Традиционно в помехоустойчивом кодировании рассматриваются независимые ошибки, однако, в реальных системах они могут быть сгруппированы и образовывать, так называемый, пакет ошибок. Известные оценки вероятности нахождения информационной совокупности проводятся для случайных матриц, а для исправления пакетов ошибок могут использоваться ...