26 августа Московский институт электроники и математики им. А.Н. Тихонова (МИЭМ) ВШЭ и Национальный исследовательский университет «Московский институт электронной техники» (МИЭТ) подписали договор о сотрудничестве. Соглашение направлено на развитие совместных исследований в области физики, перспективного материаловедения и электроники, объединяющих экспериментальные и вычислительные подходы, выполнение совместных опытно-конструкторских работ, а также подготовку заявок на российские и международные научные гранты.
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».
Aleksandr S. Pikul, Popov I., Безопасность информационных технологий 2025 Vol. 32 No. 2 P. 73–82
Понимание о том, как именно модели искусственного интеллекта принимают решения, важно, в особенности для таких сложных задач, как обнаружение дипфейков, где недостаточно просто получить результат – необходимо знать, почему именно модель приняла такое решение. Многие существующие методы интерпретации моделей искусственного интеллекта, такие как SHAP и Grad-CAM, помогают объяснить полученные решения, но зачастую полученные объяснения недостаточно ...
Мещанинов В. П., Ватолин Д. С., Молодецких И. А. и др., Препринты ИПМ им. М.В. Келдыша 2022 № 80 С. 14–27
Обнаружение увеличенного видео является полезным инструментом в мультимедийной криминалистике, однако это сложная задача, требующая применения различных алгоритмов масштабирования и сжатия. Существует множество методов повышения разрешения, включая интерполяцию и методы, основанные на машинном обучении. И все они оставляют уникальные следы. В этой работе предлагается новый метод обнаружения видео со сверхвысоким разрешением, основанный на изучении визуальных представлений ...