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.
Филиппова М. Г., Перикова Е. И., Благовещенский Е. Д. и др., Журнал высшей нервной деятельности им. И.П. Павлова 2022 Т. 72 № 2 С. 227–232
С целью изучения влияния транскраниальной электрической стимуляции (ТЭС) мозга на речевое научение реализовано масштабное исследование с участием 288 человек, включающее комплексную оценку эффектов ТЭС в различных условиях (имплицитная/эксплицитная стратегия научения, с артикуляцией/без артикуляции, анодная/катодная полярность стимуляции, левое/правое полушарие и зона стимуляции (Брока/Вернике и их гомологи в правом полушарии)). После 15-минутной реальной или плацебо-стимуляции испытуемым предъявлялись ...