?
Smoothie: Smoothing Diffusion on Token Embeddings for Text Generation
.
В книге
Seul: PMLR, 2026.
Герцен А. С., Виртуальная коммуникация и социальные сети 2026 Т. 5 С. 198–206
В статье исследуется эмоциональный аспект интерпретации текста цифровой коммуникации и реконструкции авторского замысла читателем. Эмоциональность рассматривается с позиции теории деятельности, согласно которой первостепенным влиянием на эмоции обладают историко- культурные, а не биологические факторы. Классификация эмоций основана на модели Женевское колесо эмоций. Цель – выявить степень конвергенции (сближения) между атрибутируемыми эмоциями (которые читатель приписывает автору) и ...
Добавлено: 2 июля 2026 г.
Nikita Starodubcev, Pakhomov D., Wu Z. и др., , in: The Fourteenth International Conference on Learning Representations (ICLR 2026).: ICLR, 2026.
Добавлено: 17 февраля 2026 г.
Телешева Э. Д., Гущин М. И., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 № S С. 388–399
Задача генерации высококачественных синтетических данных имеет ключевое значение для многих задач, связанных с наукой о данных. Сгенерированный набор данных может сократить затраты на дополнение существующих данных дополнительными, например в физике, или помочь с защитой конфиденциальности, например в банковской сфере. Однако генерация табличных данных является сложной задачей, поскольку данные содержат как числовые, так и категориальные признаки. ...
Добавлено: 12 февраля 2026 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.
Федотов А. В., Самбурский Л. М., Наноиндустрия 2025 Т. 18 № S11-2(135) С. 859–861
Параметры границы раздела поликремний — кремний при моделировании термических процессов существенно зависят от выбора модели диффузии из имеющихся в TCAD. В данной работе на основе экспериментальных данных проведено сравнение имеющихся в TCAD моделей диффузии в применении к этим материалам и даны рекомендации к выбору модели. ...
Добавлено: 5 ноября 2025 г.
Яковлев К. Д., Пучкин Н. А., , in: Proceedings of Machine Learning Research Vol. 291: The Thirty Eighth Annual Conference on Learning Theory, 30-4 July 2025, Lyon, France.: PMLR, 2025. P. 5824–5891.
Добавлено: 7 октября 2025 г.