Ученые из НИУ ВШЭ ускорили работу систем машинного обучения

Традиционные методы оценки доверительных интервалов, используемые в алгоритмах градиентного спуска, требуют сложных статистических вычислений и больших временных ресурсов. Ученые доказали, что аналогичного результата можно достичь с помощью более простых подходов, не прибегая к повторному обучению моделей. Это открытие переводит ряд эмпирических методов в разряд математически обоснованных инструментов.

Марина Шешукова из Института ИИ и цифровых наук НИУ ВШЭ отметила, что работа объясняет причины высокой эффективности подобных алгоритмов, которые ранее применялись на практике без четкого теоретического фундамента. Результаты исследования, представленные на конференции AISTATS 2026, позволяют разработчикам оптимизировать работу классических систем машинного обучения, делая процесс настройки менее затратным и более точным.