«Каждая статья на NeurIPS — значительный результат»
Сотрудники факультета компьютерных наук НИУ ВШЭ представят 12 своих работ на 37-й конференции NeurIPS. Conference and Workshop on Neural Information Processing Systems — одно из самых значительных событий в сфере искусственного интеллекта и машинного обучения. В этом году она пройдет с 10 по 16 декабря в Новом Орлеане (США).
В 2023 году рецензенты NeurIPS получили на рассмотрение свыше 13 тысяч статей, из которых менее 4 тысяч были отобраны для представления на конференции. Среди них оказались 12 работ исследователей ФКН, в том числе от Центра искусственного интеллекта НИУ ВШЭ.
Полный список статей ФКН на NeurIPS
Статья “Entropic Neural Optimal Transport via Diffusion Processes”, подготовленная при участии профессора-исследователя Дмитрия Ветрова, станет одним из 77 избранных докладов, которые будут представлены в рамках конференции.
Алексей Наумов
«Каждая статья на NeurIPS считается значительным результатом, к которому стремятся научные коллективы по всему миру. Итогом работы нашего факультета стали 12 статей — это повод для вполне уместной гордости. Такая высокая оценка нашей работы — это подтверждение высочайшего уровня исследований, проводимых сотрудниками ФКН. Среди тем статей в этом году — большие языковые модели, обучение с подкреплением, оптимизация и многие другие актуальные научные вопросы», — отметил заведующий Международной лабораторией стохастических алгоритмов и анализа многомерных данных Алексей Наумов.
Дарина Двинских, доцент департамента больших данных и информационного поиска ФКН, и Ильдус Садртдинов, стажер-исследователь Центра глубинного обучения и байесовских методов ФКН, рассказали о своих научных работах.
Дарина Двинских
— Мы рассматривали задачу минимизации негладкой стохастической функции при предположении, что вместо градиентной информации доступ имеется только к реализациям значений целевой функции, возможно зашумленным. Основной мотивацией для рассмотрения такого безградиентного оракула служат различные приложения в медицине, биологии и физике, где целевая функция может быть вычислена лишь посредством численного моделирования или в результате реального эксперимента, что делает невозможным использование автоматического дифференцирования.
В статье мы предложили алгоритм, оптимальный по оракульной сложности, итерационной сложности и максимальному уровню допустимого шума (возможно, состязательного). Новый алгоритм сходится при менее ограничительных предположениях, чем существующий оптимальный алгоритм. Поэтому предложенный алгоритм может быть применим к более широкому классу задач, в которых шум может иметь тяжелые хвосты.
Ильдус Садртдинов
— В нашей статье мы исследуем, как наиболее эффективно ансамблировать нейронные сети в постановке обучения с переносом знаний (transfer learning). Сложность задачи состоит в том, что обычно доступна только одна предобученная модель, и нейронные сети, которые мы дообучаем из нее, выдают похожие предсказания. Как следствие, их ансамбль имеет не очень высокое качество.
В работе мы показываем, что существующие методы ансамблирования не очень подходят к постановке обучения с переносом знаний. Мы предлагаем нашу модификацию одного из методов, которая лучше соответствует специфике постановки. Попутно мы разрабатываем дополнительную интуицию, как устроен ландшафт функции потерь, когда мы дообучаем предобученную модель на новые данные.
Кодрян Максим Станиславович
Вам также может быть интересно:
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.
В Вышке открыли проектно-учебную лабораторию совместно с Группой «Т-Технологии»
Группа «Т-Технологии» (головная структура Т-Банка) открыла проектно-учебную лабораторию на базе факультета компьютерных наук НИУ ВШЭ (ФКН НИУ ВШЭ). Проектно-учебная лаборатория Группы «Т-Технологии» в НИУ ВШЭ сосредоточится на проектах и задачах в области искусственного интеллекта, распределенных вычислений, анализа больших данных и информационной безопасности в финансовом секторе. Лабораторию возглавит Алексей Теплов, кандидат физико-математических наук.
«Защищать конкуренцию от ИИ нам придется с помощью самого искусственного интеллекта»
В НИУ ВШЭ прошел двухдневный семинар «Искусственный интеллект и конкурентная политика в странах БРИКС». Его участники обсудили две ключевые для конкурентной политики темы: трансформация конкуренции и рынков под влиянием технологий ИИ и усилени е регуляторного потенциала антимонопольных органов за счет технологий искусственного интеллекта.
В НИУ ВШЭ разработали сервис обезличивания табличных данных для безопасного использования в ИИ-системах
Институт искусственного интеллекта и цифровых наук ФКН ВШЭ разработал сервис обезличивания табличных данных, предназначенный для подготовки корпоративных данных к использованию в аналитических и ИИ-сервисах. Решение позволяет выявлять персональные данные в структурированных наборах, применять к ним воспроизводимые правила обезличивания и формировать артефакты, необходимые для контроля качества, аудита и последующего использования данных в защищенных контурах.
Высшая школа экономики и «Ростелеком» поддержат ИИ-стартапы для госсектора
НИУ ВШЭ и «Ростелеком» подписали на ПМЭФ-2026 соглашение о сотрудничестве в рамках реализации акселератора ИИ-решений для государственного сектора. Совместная работа позволит объединить технологическую экспертизу крупнейшего цифрового партнера государства и академический потенциал ведущего исследовательского университета страны.
Проблемы этики: как и где использовать ИИ
За последние годы этика в сфере искусственного интеллекта превратилась из философско-теоретической в прикладную дисциплину. Эксперты в НИУ ВШЭ обсудили, какие этические проблемы возникают в связи со стремительным развитием цифровизации и какие их инженерные решения могут быть предложены.
НИУ ВШЭ и МТС договорились об обмене ИИ-компетенциями при подготовке инженерных кадров для телекома
НИУ ВШЭ и ПАО «МТС» заключили соглашение о стратегическом партнерстве, которое предполагает подготовку кадров с ИИ-компетенциями для телекоммуникационной отрасли по программам высшего и дополнительного профессионального образования. Соглашение направлено на повышение качества образования, обмен экспертизой и компетенциями при подготовке инженеров, владеющих технологиями ИИ и машинного обучения.
Точка входа в ИИ: на ЦИПР обсудили влияние технологий на будущее
Участники ЦИПР-2026 обсудили, как офисные приложения могут стать точкой массового доступа к ИИ и снизить барьеры использования. Эксперты сошлись во мнении, что будущее — за адаптивными моделями и экосистемным подходом к корпоративным данным. В экспертных дискуссиях приняли участие представители НИУ ВШЭ.
ФКН ВШЭ расширяет линейку образовательных программ по ИИ для руководителей
Центр непрерывного образования факультета компьютерных наук НИУ ВШЭ (ЦНО ФКН ВШЭ) развивает уникальную линейку образовательных продуктов для топ-менеджмента, где передовая компьютерная наука соединяется с реальными задачами бизнеса. Цель этого направления — помогать развивать бизнес в России через внедрение технологий искусственного интеллекта.
Ученые ФКН ВШЭ представили работы в сфере ИИ и биоинформатики на ICLR 2026
Ученые Института искусственного интеллекта и цифровых наук факультета компьютерных наук ВШЭи студенты трека «ИИ360: Инженерия искусственного интеллекта» бакалаврской программы «Прикладная математика и информатика» приняли участие в международной конференции ICLR — одном из самых авторитетных мировых форумов в области машинного обучения и представления данных. В этом году конференция состоялась в Рио-де-Жанейро (Бразилия).