Аннотация:

Большие языковые модели (Large Language Models, LLM) прошли путь от простых N-граммных систем до современных универсальных архитектур, однако ключевым ограничением остается квадратичная сложность механизма самовнимания по длине входной последовательности. Это существенно увеличивает потребление памяти и вычислительных ресурсов, а с появлением задач, требующих рекордно длинных контекстов, создает необходимость разработки новых архитектурных решений. Поскольку для исследования предлагаемой архитектуры требуется длительное и дорогостоящее обучение полновесной сети, необходимо разработать инструмент, который позволял бы быстро дать предварительную оценку архитектуре с точки зрения внутренней памяти.

В настоящей работе предложен метод количественной оценки внутренней памяти нейросетевых архитектур на основе синтетических тестов, не требующих больших корпусов данных. Под внутренней памятью понимается объем информации, который модель способна воспроизвести без обращения к исходным входам.

Для верификации подхода разработан программный комплекс, апробированный на архитектурах GPT-2 и Mamba. Использованы задачи копирования, инверсии и извлечения значения по ключу. Проведенное сравнение по точности предсказаний, распределению ошибок и вычислительным затратам позволяет оперативно оценивать эффективность и перспективность архитектур LLM.

Аннотация:

 

Решена задача повышения качества интеллектуального поиска в корпусе документов образовательных учреждений, включающем учебные планы, рабочие программы дисциплин и нормативные акты. Классические архитектуры подхода «генерация, дополненная поиском» (Retrieval-Augmented Generation, RAG), основанные на единственном модуле поиска по обычному тексту, демонстрируют низкую точность работы на документах, включающих таблицы, логические связи между сущностями и строгие формулировки нормативных документов. Предложена адаптивная RAG-архитектура из четырех слоев, каждый из которых учитывает специфику хранения данных в подобных документах. Результаты показали, что учет структуры документов и адаптивная маршрутизация запросов существенно повышают фактическую корректность ответов. Предложенная архитектура может быть использована при проектировании интеллектуальных ассистентов для административных и учебно-методических сервисов высших учебных заведений.

Аннотация:

Предложена гибридная архитектура Explainable AI, совмещающая полностью дифференцируемую нейро-нечеткую модель GD-ANFIS и пост-хок метод SHAP. Интеграция выполнена с целью реализации принципов XAI 2.0, требующих одновременной прозрачности, проверяемости и адаптивности объяснений.

GD-ANFIS формирует человеческо-читаемые правила типа Такаги – Сугено, обеспечивая структурную интерпретируемость, тогда как SHAP вычисляет количественные вклады признаков по теории Шепли. Для объединения этих слоев разработан механизм компаративного аудита: он автоматически сопоставляет наборы ключевых признаков, проверяет совпадение направлений их влияния и анализирует согласованность между числовыми оценками SHAP и лингвистическими правилами GD-ANFIS. Такой двухконтурный контроль повышает доверие к выводам модели и позволяет оперативно выявлять потенциальные расхождения.

Эффективность подхода подтверждена экспериментами на четырех разнородных наборах данных. В медицинской задаче классификации Breast Cancer Wisconsin достигнута точность 0.982; в задаче глобального картирования просадок грунта — 0.89. В регрессионных тестах на Boston Housing и мониторинге качества поверхностных вод получены RMSE 2.30 и 2.36 соответственно при полном сохранении интерпретируемости. Во всех случаях пересечение топ-признаков в объяснениях двух методов составляло не менее 60%, что демонстрирует высокую согласованность структурных и числовых трактовок.

Предложенная архитектура формирует практическую основу для ответственного внедрения XAI 2.0 в критически важных областях — от медицины и экологии до геоинформационных систем и финансового сектора.

Аннотация:

Подход к многоагентному моделированию, основанный на онтологиях, предполагает реализацию моделирующей системы посредством создания онтологий. Примером целостной реализации такого подхода к агентному моделированию является стандарт IEEE 1516 Standard for Modeling and Simulation High Level Architecture. Данная работа посвящена распределенной многоагентной моделирующей системе, предназначенной для моделирования сложных радиотехнических систем (особенно радиолокационных станций), её актуальность обусловлена необходимостью замены части натурных испытаний имитационными экспериментами. Мотивация перехода на стандарт IEEE 1516 для «тяжелой» многоагентной моделирующей системы, кроме прочего, состоит в обеспечении масштабируемости, открытости и многократного повторного использования разработанных агентных моделей, что совершенно логично делать на основе существующего хорошо проработанного и апробированного стандарта, устанавливающего правила взаимодействия моделей и разработки программных интерфейсов. В статье приведены общие принципы построения и архитектура моделирующей системы. Показаны основные требования к агентам, их роль и место в комплексной моделирующей системе, особое место среди агентов занимает имитатор фоно-целевой обстановки. Обсуждается также возможность совмещения двух схем имитационного моделирования: дискретно-событийной и пошаговой. Дело в том, что пошаговая схема обладает такими преимуществами, как простота и наглядность, в ней удобно моделировать алгоритмы обработки, составные части радиотехнических систем. Однако в ней невозможно реализовать истинную автономность и асинхронность агентов. Совмещение двух схем моделирования позволяет объединить их достоинства.

Аннотация:

Рассмотрены особенности внедрения микросервисной архитектуры в процесс разработки. Проиллюстрированы преимущества данного подхода по сравнению с традиционным монолитным подходом. Показана связь использования микросервисной архитектуры с возможностью работы команды по гибким методологиям разработки.

Аннотация:

В работе дана оценка границ применимости больших языковых моделей в редакционных задачах издательского процесса и установлен оптимальный формат взаимодействия между человеком и алгоритмическими системами.

Методологической основой исследования является сравнительный эксперимент, в рамках которого несколько популярных нейросетевых моделей (Alice AI, GigaChat, DeepSeek, Gemini и ChatGPT) выполнен статистический анализ контрольного текста на русском языке. Определялись количественные характеристики текста: числа слов, символов с пробелами и без пробелов, а также количества абзацев. Полученные результаты сопоставлялись с эталонными значениями, установленными с помощью текстового редактора MS Word, использующего детерминированный алгоритм подсчета символов.

Результаты эксперимента показали, что нейросетевые модели демонстрируют различную степень точности при выполнении задач количественного анализа текста. Основной причиной подобных ошибок являются архитектура больших языковых моделей и использование алгоритмов токенизации, которые разрывают прямую связь между символами и внутренним представлением текста в модели.

На основе полученных результатов предложена концепция гибридной архитектуры издательских информационных систем, в которой генеративные языковые модели используются для выполнения творческих и аналитических задач, а операции, требующие строгой формальной точности, передаются специализированным детерминированным микросервисам. Предложенный подход позволяет повысить надежность и предсказуемость работы интеллектуальных издательских систем.

Аннотация: Проведен анализ информационной архитектуры блогов. Показано, что блоги – эффективное средство коммуникации, но неоптимальное средство хранения структурированной информации. Предложен формат «архиблога» (блога, ориентированного на ведение архивов), позволяющий сделать блог пригодным для хранения структурированной информации.

Аннотация:

В последние годы достижения в области искусственного интеллекта (ИИ) и машинного обучения обусловлены успехами в разработке больших языковых моделей (LLM) на основе глубоких нейронных сетей. В то же время, несмотря на существенные возможности, LLM имеет такие принципиальные ограничения, как спонтанная недостоверность в фактах и суждениях; допущение простых ошибок, диссонирующих с высокой компетентностью в целом; легковерие, проявляющееся в готовности принимать за истину заведомо ложные утверждения пользователя; отсутствие сведений о событиях, произошедших после завершения обучения.

Вероятно, ключевой причиной является то, что обучение биологического интеллекта происходит через усвоение неявных знаний воплощенной формой интеллекта, позволяющей решать интерактивные физические задачи реального мира. Биоинспирированные исследования нервных систем организмов позволяют рассматривать мозжечок, координирующий движения и поддерживающий равновесие, в качестве главного кандидата для раскрытия методов реализации воплощенного физического интеллекта. Его простая повторяющаяся структура и способность управлять сложными движениями дают надежду на возможность создания аналога адаптивным нейронным сетям.

В настоящей работе изучается биоинспирированная архитектура мозжечка как форма аналоговых вычислительных сетей, способная моделировать сложные физические системы реального мира. В качестве простого примера представлена реализация воплощенного ИИ в виде многокомпонентной модели щупальца осьминога, демонстрирующей потенциал в создании адаптивных физических систем, обучающихся и взаимодействующих с окружающей средой.

Аннотация:

Предложен метод построения инвариантных к масштабу представлений временных рядов розничной выручки на базе трехбарной (по трем соседним периодам) геометрии Драммонда (DG), расширенной мульти-таймфреймовым контекстом (день, частичная календарная неделя и скользящая 7-дневка). На этих «патчах» выполнено self-supervised предобучение по схеме Joint-Embedding Predictive Architecture (JEPA) со спатио-темпоральным маскированием, после чего модель дообучена с выходными слоями, оценивающими неопределенность, для прогноза на следующий день и следующую неделю. Проанализированы свойства аффинной инвариантности признаков и идентифицируемости недельной фазы; эмпирически продемонстрировано улучшение по сравнению с сильными базовыми моделями на реальных данных.

Аннотация:

Несмотря на широкое использование микросервисной архитектуры в разработке программных систем, в настоящее время не существует формализованного подхода, обеспечивающего согласованное и гарантированное взаимодействие микросервисов на уровне передаваемых данных, что приводит к возникновению интеграционных ошибок и усложняет сопровождение распределенных систем. В работе предложен подход к организации взаимодействия микросервисов на основе онтологического моделирования, обеспечивающего формализацию структур данных и автоматизированную валидацию сообщений. Предложен метод преобразования в онтологических моделей формальных описаний схем данных основанный на спецификации схем GraphQL. Он позволяет автоматизировать процесс валидации данных и снизить количество интеграционных ошибок. Разработана также онтологическая модель, обеспечивающая анализ зависимостей между микросервисами и механизм валидации контрактов сообщений.

Практическая значимость работы заключается в достижении согласованного описания микросервисов, операций и форматов сообщений в результате использования онтологического подхода. Представление онтологии в виде графа позволяет анализировать зависимости между микросервисами и упрощает сопровождение крупных распределенных систем.

Аннотация:

В работе представлена критика традиционного подхода, используемого для создания многопользовательской игры в системе разработки интерактивных приложений в реальном времени Unity, особенно в случае большого числа одновременных пользователей. В качестве гипотезы предложен альтернативный вариант, не являющийся распространённым, но решающий многие проблемы предыдущего подхода. Проведено сравнение двух клиент-серверных решений при разработке в Unity многопользовательских онлайн-игр, также описаны преимущества обоих подходов для разных случаев. Предложена архитектура разработки игры при помощи более актуального метода: вместо библиотеки Mirror – стандартного инструментария для Unity-разработки – использованы микросервисы, написанные на языке Golang. Приведены весомые доказательства предпочтительности альтернативного подхода, главное преимущество которого – поддержка современной архитектуры, обеспечивающей высокоскоростную связь между микросервисами, что подкреплено тестами при передаче сообщений на разных платформах.

Полученные результаты тестирования подтверждают выдвинутую гипотезу, и можно сделать вывод, что для многопользовательских видеоигр связка Unity вместе с Golang является более эффективной.

Описаны также основные методы отладки многопоточного приложения на Golang в связке с системой разработки игровых приложений Unity и предложен технологический прием, позволяющий получить быстрый способ передачи данных между клиентом и сервером.

Аннотация:

Рассмотрена задача многоуровневого анализа сходства приложений для платформы Android по статическим признакам в цифровых коллекциях мобильных приложений. В таких коллекциях встречаются дубликаты, ответвленные версии, перепакованные приложения и иные модифицированные варианты; вредоносная нагрузка рассматривается как возможный частный случай модификации, а не как синоним перепаковки.

Формализована функция сходства приложений по статическим признакам, построена статическая модель приложения и предложена архитектура анализа, разделяющая предварительный отбор кандидатов, углубленное сопоставление, интерпретацию результата и слой формирования заключения. Показано, что значимая информация о близости приложений содержится не только в байткоде classes.dex, но и в манифесте AndroidManifest.xml, ресурсах, APK-внутренних метаданных и библиотечных зависимостях. Численная оценка сходства вычисляется только при успешном построении статических моделей сравниваемых приложений; в противном случае фиксируется отдельный служебный технический статус с нормализованной причиной отказа.

На локальном пилотном наборе из пяти основных пар и двух граничных случаев наблюдалось, что явный учет библиотечных зависимостей и раздельная фиксация технических ограничений прототипа позволяют получить более интерпретируемый результат, однако эти данные следует рассматривать как предварительные и не дающие оснований для окончательной валидации архитектуры на больших коллекциях.

Аннотация:

В условиях стремительного роста онлайн-продаж и запроса на персонализацию российский рынок кастомизированной одежды сталкивается с дефицитом технологичных и массово доступных решений. В статье представлены результаты исследовательско-внедренческого проекта по созданию мультибрендовой цифровой платформы со встроенным 3D-конфигуратором, нацеленного на трансформацию цикла предзаказа. Разработка позволяет покупателям интерактивно создавать модели одежды в веб-среде, а дизайнерам – оптимизировать логистику и минимизировать перепроизводство.

Основной научно-технический интерес в работе представляют детально описанная целевая архитектура платформы и масштабируемый конвейер обработки 3D-моделей, обеспечивающий их оптимизацию и корректное отображение в браузере. Дополнительный вклад составляет методика подготовки и оптимизации 3D-моделей одежды для веб-визуализации, формализованная в виде технических требований, которая позволяет обеспечить баланс визуального качества и производительности.

В результате исследования решена задача унификации форматов 3D-моделей одежды от различных дизайнеров в рамках мультибрендовой цифровой платформы (ключевого отличия от существующих монобрендовых решений) и реализована технология кастомизации с возможностью интерактивного отображения всех видоизменений дизайна на одной экранной форме.

Технологическая состоятельность решения обоснована сравнительным анализом существующих аналогов, анализом рынка по модели PAM-TAM-SAM-SOM и оценкой функциональных требований.

В статье также представлена практическая стратегия внедрения цифровой платформы, что делает ее ценной для исследователей и специалистов, работающих на стыке e-commerce, компьютерной графики и цифровой трансформации бизнес-процессов.

Аннотация:

Представлен подход к проектированию обучающих приложений в концепции Microlearning. Обсуждена зависимость достоверности оценки знаний от визуального представления вопросов проверочного тестирования. Приведены архитектура системы и принцип работы разработанного авторами инструмента проектирования адаптивных тестов и сценариев тестирования для microlearning-приложений.

Аннотация:

Работа посвящена исследованию квантованных подходов к адаптации языковых моделей для задачи автоматической пошаговой проверки корректности хода решения квадратных уравнений. Рассмотрена результативность подходов параметрически эффективного дообучения (PEFT) при адаптации языковых моделей DeepSeek-R1-Distill-Qwen-1.5B и InternLM2-Math-Plus-1.8B для создания математического верификатора (Process-supervised Reward Models, PRM). Эксперименты проведены на синтетическом наборе данных квадратных уравнений, дополненном негативным сэмплированием для имитации ошибок обучающихся. Выполнено сравнительное тестирование стандартных (LoRA, DoRA, rsLoRA) и квантованных (QLoRA, QDoRA, LoftQ) алгоритмов тонкой настройки.
Дополнительно изучена обобщающая способность нейросетей (Zero-shot Transfer) на структурно отличающемся наборе линейных уравнений. Результаты показали, что квантование решает проблемы численной стабильности вычислений для нестандартных архитектур (InternLM2), обеспечивая при этом качество, сопоставимое со стандартными методами. Для модели DeepSeek-R1 метод QLoRA достиг точности (Accuracy) 97.77%, а методы QDoRA и LoftQ – по 98%, что лишь незначительно уступает классическому алгоритму LoRA (98.67%). Аналогично для нестандартной архитектуры InternLM2 применение QLoRA позволило достичь точности 92.67% (против 93% у базового LoRA). Однако алгоритмы без понижения разрядности весов (LoRA) склонны сохранять более богатое представление выученных паттернов, обеспечивая хорошую способность к переносу знаний для моделей класса Reasoning (Accuracy DeepSeek-R1 66.8% против 61.4% у QLoRA на новых данных).

Аннотация:

Рассмотрены разнородные территориально-распределённые вычислительные системы по обработке геологических данных и подходы по организации взаимодействия с этими системами. Исследуемые системы классифицированы на несколько групп, исходя из принципов их функционирования и выбранных технологических решений. Для каждого типа систем приведено описание их основных свойств, включая возможные способы для взаимодействия.

На основе проведённого анализа предложен подход к организации единого рабочего пространства с доступом к разнородным территориально-распределённым вычислительным системам в рамках общей экосистемы. Описаны архитектура предлагаемой экосистемы и правила взаимодействия её участников. Продемонстрирован программный прототип, реализующий названные принципы, на примере нескольких разнородных систем по обработке геологической информации.

Аннотация:

Растущая нестабильность климата создает новые вызовы и риски для устойчивости малых и средних предприятий. В работе предложена архитектура прототипа динамической экспертной системы, интегрирующей несколько ключевых модулей: пользовательский интерфейс, базу знаний, серверное приложение и модуль динамического обновления данных с API-интерфейсами реального времени. Особенностью системы является применение аппарата Z⁺-чисел, реализованного на основе программной библиотеки scikit-fuzzy, что позволяет учитывать градуированную уверенность в оценках. Этот подход дает более обоснованные и адаптивные оценки рисков, чувствительные к изменению качества исходных данных. Интерактивная визуализация результатов реализована на основе картографической платформы OpenStreetMap. Приведены примеры агрегации экспертных оценок в формате Z-чисел, а также описана методика адаптации функций уверенности системы на основе исторических данных.

Аннотация:

На основе проведенного анализа цифровых технологий будущего, а также современных решений для поддержки научных исследований в геологии коллектива авторов Государственного геологического музея им. В. И. Вернадского РАН разработана и предложена архитектура цифровой интеллектуальной сферы геологических знаний.  Основная концепция работы заключается в создании интегрированной цифровой экосистемы, где геологические коллекции, научные данные и экспертиза естественно-научных музеев становятся частью единого, доступного и интерактивного пространства. Это не просто оцифровка экспонатов, а построение связной среды для науки, образования и популяризации.

Аннотация:

В современном мире потоковые данные получили широкое распространение во многих предметных областях. Высокую актуальность имеет решение задачи обработки потоковых данных в реальном времени, с минимальной задержкой.

При потоковой обработке данных часто применяются различные приближенные алгоритмы, имеющие гораздо более высокую эффективность по времени и памяти, чем точные алгоритмы. Кроме того, часто возникает потребность прогнозирования состояния потока.

Таким образом, в настоящее время существует потребность в инструменте последовательного снятия снимков агрегированных данных из потоковых данных, дающем возможность прогнозирования состояния потока и применения приближенных алгоритмов обработки потоковых данных.

Авторами статьи разработан такой инструмент, рассмотрены архитектура и механизм его функционирования, а также оценены перспективы его дальнейшего развития.

Аннотация: В работе представлено описание основных понятий, использованных при построении информационной системы трехслойной архитектуры. Слой знаний этой системы содержит базу знаний, используемую приложениями для семантического поиска, интеграции и систематизации (частично автоматической) информационных ресурсов по количественной молекулярной спектроскопии. База знаний представлена в форме прикладных онтологий, с помощью которых решаются перечисленные выше задачи. Основное внимание сконцетрировано на интерпретации понятия «онтология», введенном в работах Н. Гуарино.

Аннотация:

Исследование посвящено осмыслению роли искусственного интеллекта (ИИ) в трансформации экосистемы цифровой научной коммуникации на материале электронных библиотек и крупных агрегаторов знаний. На основе интегративного обзора новейших зарубежных и отечественных работ проанализировано, как ИИ постепенно превращается в системообразующий инфраструктурный механизм жизненного цикла электронных коллекций, структурируя процессы отбора, оцифровки, метадатирования, хранения и сервисного раскрытия ресурсов. Параллельно обоснована интерпретация интеллектуальных рекомендательных систем как эпистемического посредника, влияющего на конфигурацию научного чтения, распределение исследовательского внимания и видимость периферийных знаний в пространственно-языковой архитектуре науки. Показано, что алгоритмическая персонализация не сводится к повышению удобства поиска, а участвует в конструировании норм релевантности, языковых и региональных иерархий, новых принципов осмысления коллекций. Выявленные эффекты позволяют концептуализировать феномен алгоритмического посредничества в связке микроуровня исследовательской идентичности и макроуровня глобального распределения научного знания, а также обозначить необходимость рефлексивного управления рекомендательными контурами в целях сохранения эпистемического многообразия и повышения прозрачности цифровой инфраструктуры библиотек.

Аннотация: Задача устойчивости рассматривается в терминах классического определения Ляпунова. Для этого задается множество начальных условий, состоящих их данных предварительных расчетов, и анализируется разброс траекторий, полученных в результате численного моделирования. Эта процедура реализована как серия ансамблевых экспериментов с совместной моделью MPI-ESM института метеорологии М. Планка (Германия). Для численного моделирования задавалась серия различных начальных значений полей характеристик, и модель интегрировалась, начиная с каждого из этих полей, на различные временные периоды. Изучались экстремальные характеристики уровня океана за период 30 лет. Строилось их статистическое распределение, оценивались параметры этого распределения, изучался статистический прогноз на 5 лет вперед. Показано, что статистический прогноз уровня соответствует расчетному прогнозу, полученному по модели. Изучалась локализация экстремальных значений уровня и проводился анализ этих результатов. Численные расчеты выполнялись на суперкомпьютере Ломоносов-2 Московского государственного университета имени М.В. Ломоносова.

Аннотация: Обсуждены вопросы развития межпредметных связей на современном этапе становления цифрового образования при подготовке студентов-архитекторов. Отстаивается идея укрепления межпредметных связей, математики и архитектуры путём нового содержательного пополнения образовательных программ, освоения навыков цифровизации при решении математическими методами актуальных задач архитектуры, привлечения в учебную деятельность элементов соревнования, реализованного с применением веб-технологий.

Аннотация:

Рассмотрена проблема координации разнородных программных средств в гетерогенных средах распределенного запуска приложений. Ручное конфигурирование параметров запуска для вновь устанавливаемых программ на вычислительный кластер (таких как ключи командной строки, значения переменных окружения и настройки конфигурационных файлов) создает серьезные трудности для исследователей предметных областей из-за больших объемов служебной информации и необходимости сохранения и агрегации информации в некотором фиксированном формате. Предложен метод автоматизированного извлечения параметров запуска, базирующийся на гибридной архитектуре обучения нейронной сети, сочетающей генерацию обучающей выборки большими языковыми моделями и последующее дообучение компактного трансформерного энкодера. Реализация подхода исключает зависимость от дорогостоящих графических ускорителей за счет применения методики низкоранговой адаптации (Low-Rank Adaptation) для моделей размером до 1 млрд параметров, что обеспечивает возможность выполнения модели (инференса) на обычных центральных процессорах управляющих узлов. Для формализации качества извлечения разработана двухкомпонентная метрика, агрегирующая структурную корректность выходной JSON-схемы (наличие в полученных данных обязательных полей, типов параметров программы) и семантическую точность значений параметров (соответствие описания в документации). Экспериментальная оценка метода ориентирована на корпус документации программных пакетов (man-страницы, README). Результаты проектирования подтверждают возможность аппроксимации процесса анализа документации компактной моделью, что способствует автоматизации жизненного цикла развертывания программного обеспечения и снижению ошибок управления потоками задач в распределенных вычислительных комплексах.

Аннотация:

Представлена цифровая платформа для данных комплексного мониторинга опасных геодинамических, инженерно-геологических и гидрогеологических процессов, протекающих в регионе интенсивного природопользования центральной экологической зоны Байкальской природной территории (ЦЭЗ БПТ). Платформа предназначена для интеграции и анализа данных, поступающих с нескольких полигонов, расположенных в пределах ЦЭЗ БПТ, с целью оценки состояния геологической среды и прогнозирования проявлений опасных процессов. Платформа построена по клиент-серверной архитектуре. Хранение, обработка и анализ данных осуществляются на сервере, к которому пользователи могут обращаться через интернет посредством веб-браузера. Блочная структура сервера позволяет легко расширять набор процедур обработки и анализа данных, а также визуализации результатов. В настоящее время доступны несколько методов фильтрации данных (линейная частотная, Савицкого–Голея и другие), различные методы спектрального и вэйвлет-анализа, мультифрактальный и энтропийный анализ, анализ пространственных данных. Цифровая платформа была опробована на реальных данных.