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.
Кожемякин Е. А., Тяжлов Я. И., Белоедова А. В. и др., Медиалингвистика 2025 Т. 12 № 1 С. 4–21
Представлены результаты эксперимента, цель которого — определить характеристики и объекты пользовательского интереса к элементам научного интернет-текста. Пользовательский интерес трактуется как прямой маркер активного восприятия научного интернет-текста и может быть понят как условие корректного понимания содержания материала. На основе мультимодального подхода и авторской комплексной методологии (эксперимент с использованием видеокулографического анализа, UX-методик, полуструктурированного интервью и сравнительного анализа) ...