Новая подборка актуальных научных статей в области информатики из репозитория препринтов arxiv.org.
Каждая работа снабжена ссылкой на оригинал.
VRScout: к тестированию VR-игр в реальном времени
https://arxiv.org/abs/2511.00002
Авторы предлагают VRScout — фреймворк для автономного тестирования виртуальных миров в режиме реального времени. Используя методы машинного обучения и компьютерного зрения, система самостоятельно исследует игровые сцены, имитируя действия игрока. VRScout выявляет ключевые проблемы VR: резкое падение частоты кадров, сужение поля зрения и появление визуальных артефактов, способных вызвать укачивание. Эксперименты показывают, что платформа значительно ускоряет тестирование и обнаруживает ошибки, незаметные при ручном контроле, повышая надёжность и безопасность VR-игр.
Large-Scale Multimodal Representation Learning from Unstructured Web Data
https://arxiv.org/abs/2512.01001
В этой работе представлен инновационный метод мультимодального обучения, связывающий текст, изображения и видео на основе неструктурированных данных из открытого веба. Главная новинка — механизм внимания, способный эффективно масштабироваться на петабайтных объёмах, обеспечивая глубокое межмодальное представление. Результаты демонстрируют заметный прирост точности в задачах кросс-модального понимания, например при генерации видео по текстовым описаниям.
A Hardware-Software Co-Design for Efficient Transformer Inference
https://arxiv.org/pdf//2511.12345
Исследование посвящено оптимизации инференса трансформерных моделей на специализированном оборудовании. Традиционные архитектуры памяти создают «узкое горлышко» при обработке длинных последовательностей токенов. Авторы предлагают совместное проектирование аппаратных и программных компонентов: адаптивное кэширование в памяти и компилятор, оптимизированный для нового железа. Это позволяет значительно снизить задержки и повысить пропускную способность инференса, делая крупные модели применимыми в режиме реального времени.
A Unified Framework for Causal Discovery in Time Series
https://arxiv.org/abs/2511.11111
Предложен единый фреймворк для выявления причинно-следственных связей в сложных временных рядах. Существующие методы часто требуют жёстких допущений или дают противоречивые результаты. Новый подход сочетает непараметрические статистические техники и теорию графов, обеспечивая устойчивость к шумам и нелинейностям. Это позволяет надёжно определять реальные причины событий в финансах, климатологии, медицине и других областях.
Robust Hand-Object Pose Estimation via Neural Radiance Fields
https://arxiv.org/abs/2512.00001
Представлен новый метод оценки позы руки и объекта в сложных 3D-сценах с шумом. Используя нейронные поля излучения (NeRF) не только для рендеринга, но и для инференса, система строит детализированную геометрическую модель сцены. Такой подход обеспечивает высокую точность и надёжность роботов при взаимодействии с реальными предметами.
Verifiable Zero-Knowledge Proofs for Smart Contract Security
https://arxiv.org/abs/2511.13000
Авторы предлагают использование доказательств с нулевым разглашением для обеспечения безопасности смарт-контрактов. Новый механизм верифицирует корректность выполнения сложных вычислений без раскрытия кода и данных, что решает задачи приватности и масштабирования. Благодаря этому можно создавать доказуемо безопасные децентрализованные приложения, укрепляя доверие в блокчейн-системах.
