Optimizing Computational Infrastructure for Large Language Models in Bioinformatics: A Case Study

Резуник Л., Александров Д. В., Mikhail Prozorskiy, , in: Intelligent Decision Technologies. Proceedings of the 17th KES-IDT 2025 ConferenceVol. 450.: Cham: Springer, 2026. P. 81–91.

Мультиагентные системы (МАС) могут использовать преимущества больших языковых моделей (БЯМ), но «галлюцинации» могут представлять опасность для процесса принятия решений. В этой статье представлен подход к созданию МАС на основе БЯМ и предложена обобщенная архитектура таких систем. Мы обеспечиваем проведение рассуждений с помощью предикатной логики для минимизации ошибок, а БЯМ используются исключительно для перевода естественного языка ...

Добавлено: 14 сентября 2026 г.

Modulation Recognition for Industrial Internet of Things Communication Signals Under Few-Shot Conditions Based on Attention Mechanism and Relation Network

Hualin M., Jie Z., Jerome Y. и др., Journal of Internet Technology 2026 Vol. 27 No. 3 P. 367–382

Добавлено: 3 июля 2026 г.

Proceedings of the 4th Workshop on NLP for Music and Audio (NLP4MusA 2026)

Бузаев Ф. А., Mullakhmetov R., Bogachev R. и др., Association for Computational Linguistics, 2026.

Добавлено: 22 июня 2026 г.

B3Emo: Quantifying Affect as a Double-Edged Sword in Strategic LLM Interactions

Stepin A., Mozikov M., Kabanov A. и др., IEEE Access 2026 Vol. 14 P. 48127–48144

Добавлено: 16 июня 2026 г.

Анализ культурных референций в творчестве А. Вознесенского: цифровое исследование имен персоналий

Тюрякова-Матвеева Д. В., Цифровые гуманитарные исследования 2026 № 1 С. 4–26

Статья исследует культурные референции в творчестве Андрея Вознесенского путем анализа упоминаемых им персоналий. Обработано 1678 произведений, включая поэзию, прозу и ранние неопубликованные стихотворения. Методы NER, основанные на инструментах Natasha, spaCy и LLM Grok, позволили изучить частоту упоминания известных лиц и их связь с жанром произведения. Определены ключевые авторы Вознесенского (Пастернак, Пушкин, Маяковский), выявлены особенности жанра ...

Добавлено: 31 мая 2026 г.

KMHCR: A Key-Controlled Signal-Domain Transformation for 5G IoT Security

Ronglin Z., Wei L., Jiahong C. и др., Journal of Signal Processing Systems 2026 Vol. 98 Article 31

Добавлено: 16 мая 2026 г.

Granular computing-based deep learning for text classification

Бехзадидуст Р., Mahan F., Izadkhah H., Information Sciences 2024 Vol. 652 Article 119746

Добавлено: 12 марта 2026 г.

Learning to hear broken motors: Signature-guided data augmentation for induction motor diagnostics

Али С., Хижик А. И., Svirin S. и др., Engineering Applications of Artificial Intelligence 2025 Vol. 170 Article 114137

The application of machine learning algorithms in the intelligent diagnosis of three-phase engine has the potential to significantly enhance diagnostic performance and accuracy. Traditional methods largely rely on signature analysis, which, despite being a standard practice, can benefit from the integration of advanced machine learning techniques. In our study, we innovate by combining machine learning ...

Добавлено: 16 февраля 2026 г.

Multimodal graph, surface, and language-based model for protein protein interaction prediction

Артеага Мореано Б. Д., Червов Н. Р., Попцова М. С., Scientific Reports 2026 Vol. 16 No. 1 Article 4772

Добавлено: 4 февраля 2026 г.

When Punctuation Matters: A Large-Scale Comparison of Prompt Robustness Methods for LLMs

Seleznyov M., Чайчук М. В., Ershov G. и др., , in: Findings of the Association for Computational Linguistics: EMNLP 2025.: Association for Computational Linguistics, 2025. P. 20370–20385.

Добавлено: 3 февраля 2026 г.

Measuring Chemical LLM robustness to molecular representations: a SMILES variation-based framework

Ganeeva V., Khrabrov K., Kadurin A. и др., Journal of Cheminformatics 2025 No. 17 Article 164

Добавлено: 3 февраля 2026 г.

Prediction of protein-protein interactions using point transformer and spherical Convex Hull graphs

David Arteaga, Попцова М. С., Computational and Structural Biotechnology Journal 2026 Vol. 31 P. 82–93

Добавлено: 22 декабря 2025 г.

Aspect-Based Sentiment Analysis Using Large Language Models on Museum Visitor Reviews

Anastasia V. Kolmogorova, Elizaveta R. Kulikova, Vladislav V. Lobanov, Supercomputing Frontiers and Innovations 2025 Vol. 12 No. 3 P. 121–140

Добавлено: 30 ноября 2025 г.

AutoJudge: Judge Decoding Without Manual Annotation

Roman Garipov, Fedor Velikonivtsev, Ivan Ermakov и др., , in: 39th Conference on Neural Information Processing Systems (NeurIPS 2025).: NeurIPS, 2025. P. 94605–94642.

Добавлено: 6 ноября 2025 г.

Strategizing with AI: Insights from a Beauty Contest Experiment

Iuliia Alekseenko, Дагаев Д. А., Sofiia Paklina и др., Journal of Economic Behavior and Organization 2025 Vol. 240 Article 107330

Добавлено: 6 ноября 2025 г.

LLM-Microscope: Uncovering the Hidden Role of Punctuation in Context Memory of Transformers

Anton R., Mikhalchuk M., Rahmatullaev T. и др., , in: Findings of the Association for Computational Linguistics: NAACL 2025.: Association for Computational Linguistics, 2025. P. 7757–7764.

Мы предлагаем методы количественной оценки того, как большие языковые модели (LLM) кодируют и хранят контекстную информацию, и показываем, что токены, обычно считающиеся второстепенными (например, детерминативы и знаки препинания), на деле несут неожиданно высокий объём контекста. В частности, удаление таких токенов — особенно стоп-слов, артиклей и запятых — стабильно ухудшает качество на MMLU и BABILong-4k, даже ...

Добавлено: 6 ноября 2025 г.

Исследования благополучия с помощью передовых методов обработки естественного языка (NLP): перспективы и ограничения

Воеводина Е. Ю., Современная зарубежная психология 2025 Т. 14 № 3 С. 172–181

Контекст и актуальность. Исследования благополучия столкнулись с противоречиями и ограничениями, проистекающими из ограничений метода психометрических самоотчетных шкал. Данные методы критикуются за низкую экологическую валидность, ограниченную информативность и трудности в операционализации комплексного конструкта благополучия. В то же время, стремительное развитие технологий обработки естественного языка (natural language processing, NLP) открывает новые возможности для преодоления этих ограничений. Цель. Провести обзор ...

Добавлено: 9 октября 2025 г.