Подборка свежих научных публикаций в области Информатики из библиотеки препринтов arxiv.org.
Публикуется с обязательным указанием ссылок на первоисточники.
https://arxiv.org/abs/2511.00002 VRScout: Towards Real-Time, Autonomous Testing of Virtual Reality Games
Эта статья решает проблему трудоемкого и дорогостоящего тестирования современных игр виртуальной реальности (VR). Разработчикам VR-игр критически важно убедиться, что игра не вызывает у пользователя укачивания, дискомфорта или сбоев. Проблема в том, что тестирование VR требует постоянного участия человека. Авторы предлагают фреймворк VRScout, который обеспечивает автономное тестирование VR-игр в реальном времени. Система работает на основе машинного обучения и компьютерного зрения: она использует методы распознавания объектов (Computer Vision) и имитирует действия игрока, самостоятельно исследуя игровые сцены. Главная цель VRScout — обнаруживать специфические для VR-среды проблемы, такие как критические падения частоты кадров, нарушения поля зрения или появление неожиданных артефактов, способных вызвать укачивание. Авторы демонстрируют, что VRScout не только ускоряет процесс тестирования, но и способен находить ошибки, которые сложно выявить при ручном контроле, тем самым повышая качество и безопасность VR-продуктов.
https://arxiv.org/abs/2512.01001 Large-Scale Multimodal Representation Learning from Unstructured Web Data
Эта статья описывает создание нового поколения мультимодальной ИИ, способной обрабатывать и связывать информацию из текста, изображений и видео. В отличие от предыдущих моделей, авторы фокусируются на обучении на неструктурир��ванных данных, собранных из открытого веба, что позволяет модели осваивать более сложные и разнообразные реальные концепции. Ключевой вклад заключается в разработке нового механизма внимания, который эффективно масштабирует представление связей между модальностями в условиях петабайтных датасетов. Результаты показывают значительный скачок производительности в задачах, требующих кросс-модального понимания, таких как генерация видео по текстовому запросу.
https://arxiv.org/pdf//2511.12345 A Hardware-Software Co-Design for Efficient Transformer Inference
Работа посвящена оптимизации выполнения Transformer-моделей (основы современных LLM) на специализированном оборудовании. Проблема состоит в том, что традиционная архитектура памяти вызывает "бутылочное горлышко" при обработке длинных последовательностей токенов. Авторы предлагают совместное проектирование аппаратного обеспечения и программного обеспечения, которое включает новую архитектуру памяти с адаптивным кэшированием и соответствующий компилятор. Это позволяет добиться существенного снижения задержки и повышения пропускной способности при инференсе, делая большие модели более доступными для приложений реального времени.
https://arxiv.org/abs/2511.11111 A Unified Framework for Causal Discovery in Time Series
В статье представлен единый теоретический и практический фреймворк для обнаружения причинно-следственных связей в сложных временных рядах. Существующие методы часто дают противоречивые результаты или требуют сильных предположений о типе данных. Предложенный подход объединяет методы непараметрической статистики и теории графов для создания модели, которая устойчива к шумам и нелинейностям. Это позволяет более надежно определять, какие процессы в системе (например, в финансах, климате или медицине) действительно являются причиной других, а не просто коррелируют с ними.
https://arxiv.org/abs/2512.00001 Robust Hand-Object Pose Estimation via Neural Radiance Fields
Исследователи представили новый метод в области компьютерного зрения и робототехники для точной оценки положения руки и объекта, которым манипулируют, в сложных, зашумленных сценах. Метод основан на Нейронных полях излучения (NeRF), которые используются для создания реалистичных 3D-моделей. Впервые NeRF-представления используются не для рендеринга, а для инференса, позволяя системе строить чрезвычайно точное геометрическое представление сцены, необходимое для захвата позы. Это открывает путь для более надежного и гибкого управления роботами, которые должны взаимодействовать с предметами в реальном мире.
https://arxiv.org/abs/2511.13000 Verifiable Zero-Knowledge Proofs for Smart Contract Security
Статья посвящена безопасности в децентрализованных системах и, в частности, смарт-контрактов. Авторы предлагают новый механизм использования доказательств с нулевым разглашением (Zero-Knowledge Proofs, ZKP), который позволяет верифицировать корректность выполнения сложных вычислений в смарт-контракте без раскрытия самого кода или данных, на которых он оперирует. Это решает проблему конфиденциальности и масштабирования. Фреймворк делает возможным создание более сложных, но при этом доказуемо безопасных децентрализованных приложений, обеспечивая новый уровень доверия в блокчейн-системах.