Поиск информации cs.IR

Оркестр без дирижёра играет слаженно, и вы хотите понять, кто на кого влияет. Скрипач слышит виолончель, виолончелист ловит ритм ударных, а флейта подстраивается под всех сразу. В науке о сложных системах, таких как климат или мозг, долго не было инструмента, чтобы разложить эту взаимную игру на отдельные вклады.

Орнитолог в джунглях слышит трель, но птица прячется в листве. Хорошо бы тут же получить её портрет — хотя бы из базы фотографий. Обычно для этого нужны тысячи пар «запись пения + снимок той же птицы», а собирать их дорого и долго. Авторы пошли в обход: взяли две готовые модели. Одна понимает связь между картинкой и текстом (например, «красная грудка, чёрная шапочка» → фото зарянки).

52.4 nDCG@10 — такой результат показывает ModernBERT после процедуры Vocabulary Transfer. Ещё вчера он путался в регистрах, а сегодня обошёл лучшие разреженные поисковики. Нейросеть проваливает поиск, потому что не может договориться о словах. Token и token для неё — две разные вселенные.

Врач листает историю болезни и видит строчку: «Препарат снижает риск». Но насколько этому можно верить? Основано ли утверждение на паре случаев из практики или на десятках тысяч пациентов в слепом исследовании? От ответа зависит лечение. Сегодня такие тексты всё чаще пишут не люди, а большие языковые модели — те самые, что помогают искать информацию и составлять сводки.

Исследователи отобрали 16 повседневных действий — от мытья посуды до приседаний — и разложили движения на элементарные составляющие, подобно тому, как спектроскоп разделяет свет на спектр частот. Они сравнили три подхода к анализу и обнаружили неожиданный ключ к распознаванию: для идентификации действия достаточно усреднённого стоп-кадра, то есть статичной позы.

Поиск в интернете похож на просеивание муки для выпечки: среди белых частиц могут оказаться тёмные вкрапления почвы. Это загрязнение данных — незаметная примесь, которая портит итоговый результат. C3R действует как умное сито: оно не только отсеивает информационный сор — ложные или вводящие в заблуждение данные, — но и способно остановиться, если мусора слишком много.