Институт AIRI

@airi_research_institute · ai · Russian · active

Subscribers 14K Subscribers, last 30 days: 14K → 14K +0 24h · +0 7d
Reach per post (ERR) 30.2%4.2K avg views
Posting 4.4/week last 1 day ago
Reactions per 1K views 10.1 ❤

AIRI и ещё три конференции😁 Работы наших исследователей и там, и тут показывают — в Сиднее, Австралия, а также в Питтсбурге и Миннеаполисе, США. В этом году постеры представили наши международные соавторы❤️ Interspeech📌 📎Towards Robust Speech Deepfake Detection via Human-Inspired Reasoning HIR-SDD — новый подход к обнаружению речевых дипфейков, который объединяет возможности больших аудиоязыковых моделей с пошаговым рассуждением, полученным на основе набора данных с человеческой разметкой. IROS📌 📎GPUSimBench: Towards Scalable and Reliable GPU-Accelerated Simulators in Embodied AI (появится в открытом доступе позже) Бенчмарк для выявления скрытых ограничений робототехнических симуляторов, использующих GPU, который сфокусирован на масштабируемости, физической согласованности и вычислительной детерминированности. RecSys📌 📎Codebook-Based Semantic IDs in Generative Recommendation: Enabling Interface, Emerging Bottleneck Обзор и критический анализ семантических идентификаторов (SID) в генеративных рекомендательных системах с выделением их ключевых ограничений и направлений развития токенизации, адаптивной идентичности и интеграции с LLM. 📎Your 5-Core Train Split May Not Be 5-Core: Core Filtering and Temporal Splitting Do Not Commute О протоколах временной оценки рекомендательных систем, влиянии порядка применения p-core-фильтрации и временного разбиения на состав данных, а также результаты сравнения моделей. 📎CoSID: Concept-Conditioned Semantic-ID Decoding for Efficient Generative Recommendation Ускоренный декодер семантических идентификаторов, в котором тяжёлая часть модели однократно кодирует историю в компактное представление концепта следующего объекта, а всю дорогостоящую генерацию идентификатора выполняет лёгкий декодер. 📎More Test Users, More Overconfidence: Seed Variance in Sequential Recommender Tests В работе показали, что общепринятое попарное сравнение качества двух рекомендательных моделей по одним и тем же пользователям может переоценивать статистическую значимость различий между ними. 📎A Redundancy Reduction Approach for Controllable Sequential Recommendations Метод последовательных рекомендаций, использующий декорреляцию признаков для регулирования баланса между точностью и охватом каталога. Геометрический анализ раскрывает связь между доминирующими направлениями в пространстве пользовательских представлений и преимуществом популярных объектов при ранжировании. #AIRIнаКонфе

Views over time

02K4K6K1 Oct 16:0212 Nov 10:145.4K1 Oct 16:02: 0 views12 Nov 10:14: 5,440 views
Snapshots we took after posting.
WhenViews
1 Oct 2026, 16:020
12 Nov 2026, 10:145.4K

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)

Nobody yet.