вариант
Дом
Срочные новости
Содержание
JoseJackson
JoseJackson
14 апреля 2026 г.

Исследователи представили HarmonyGNN — новый метод обучения графовых нейронных сетей (GNN), который повышает точность при работе с гетерогенными графовыми данными без использования меченых узлов. Тестирование на 11 эталонных графах продемонстрировало передовые результаты на семи однородных графах и повышение точности на 1,27–9,6 % на четырёх гетерогенных графах. Данная платформа также повышает вычислительную эффективность. Работа будет представлена на Международной конференции по обучению представлений в 2026 году.

Исследователи представили HarmonyGNN — новый метод обучения графовых нейронных сетей (GNN), который повышает точность при работе с гетерогенными графовыми данными без использования меченых узлов. Тестирование на 11 эталонных графах продемонстрировало передовые результаты на семи однородных графах и повышение точности на 1,27–9,6 % на четырёх гетерогенных графах. Данная платформа также повышает вычислительную эффективность. Работа будет представлена на Международной конференции по обучению представлений в 2026 году.
Автор AnthonyPerez AnthonyPerez 23 сентября 2026 г.
Компания Anthropic в партнерстве с OpenEvidence запускает бесплатные инструменты на базе искусственного интеллекта для поддержки принятия клинических решений, предназначенные для врачей в более чем 100 странах с низким и средним уровнем дохода. Инициатива направлена на устранение глобальных пробелов в сфере здравоохранения путем предоставления научно обоснованных медицинских знаний регионам с ограниченными ресурсами. Система адаптирована к местным условиям и инфраструктурным ограничениям, таким как нестабильное электроснабжение. Она позволяет врачам в таких странах, как Уганда и Гаити, получать рекомендации уровня специалистов через мобильные устройства. Это знаменует выход компании Anthropic на рынок клинической поддержки, при этом основное внимание уделяется контекстуальной адаптируемости и интеграции с региональными медицинскими средами, а не только возможностям моделей.
OR