Создание научно-просветительских ресурсов, таких как "Пушкин Цифровой", требует трудоемкой ручной верстки поэтических текстов, которая осложняется вариативностью содержания и форматирования в разных изданиях. Разработан метод, основанный на построчном нечетком сравнении текстов с использованием расстояния Левенштейна и векторных моделей языка, отличающийся способностью оценивать степень схожести строк и автоматически формировать правила переноса форматирования из эталонного издания. Метод обеспечивает корректный автоматический перенос верстки для 74,55% текстов из 914 произведений А.С. Пушкина, что значительно сокращает трудозатраты специалистов и ускоряет подготовку контента для цифровых архивов.
Внедрение ИИ-агентов в государственное управление требует оценки их надежности для ответственных управленческих процедур, где критически важна устойчивая память о нормативных требованиях и фактах дел. Проведен сравнительный анализ моделей человеческой памяти и архитектур памяти LLM-агентов, выявивший фундаментальные ограничения последних, включая отсутствие автобиографичности, хронологии опыта и встроенных механизмов ответственности. Это позволяет определить четкие границы использования LLM-агентов исключительно в роли когнитивных ассистентов при обязательном человеческом контроле, что снижает риск искажения контекста и обеспечивает возможность проверки сгенерированных утверждений, сохраняя персональную ответственность за управленческие решения.
Прямое сравнение LLM на финансовых задачах затруднено из-за закрытости моделей и вариативности тестовых данных, что делает актуальным разработку методов прогнозирования их производительности. Создана методика на основе матричной факторизации, отличающаяся применением алгоритмов рекомендательных систем для предсказания неизвестных метрик качества LLM на финансовых наборах данных. Методика обрабатывает разреженную матрицу, включающую 34 модели и 42 набора данных, и позволяет ранжировать модели по агрегированной метрике, что дает возможность оценивать производительность новых или закрытых моделей без проведения дорогостоящих тестов на всех возможных задачах, ускоряя выбор подходящего ИИ-инструмента для финансовой сферы.
Проблема выявления связанных цепочек атак в центрах мониторинга информационной безопасности (SOC) критична из-за колоссальных объемов данных и вариативности форматов описаний инцидентов. Разработанная методика автоматически обнаруживает корреляционные связи в потоке событий, преобразуя текстовые описания инцидентов в векторные эмбеддинги с помощью большой языковой модели, и применяет алгоритм плотностной кластеризации DBSCAN, что позволяет выявлять группы связанных событий без предварительного задания их количества. Такой подход обеспечивает инвариантность к формату данных и семантическое понимание содержания инцидентов, позволяя выявлять многоэтапные атаки на основе смысловой близости, а не только по формальным признакам, и фильтровать шумовые наблюдения, что значительно снижает нагрузку на аналитиков SOC.
Разработка объективных методов оценки концентрации и медитации крайне востребована для развития систем биологической обратной связи и персонализированного здравоохранения. Созданный датасет включает синхронизированные записи ЭЭГ (64 канала, 2048 Гц), ЭКГ и видео 49 участников, выполнявших задания на внутреннюю и внешнюю концентрацию, а также состояние блуждания ума. В отличие от существующих наборов данных, он содержит записи как опытных практиков йоги, так и новичков, что позволяет проводить кросс-валидацию и сравнительный анализ. Это обеспечивает возможность разработки и тестирования алгоритмов для точного распознавания функциональных состояний человека в реальном времени.
7 июля 2026 г. в СПб ФИЦ РАН состоялась традиционная встреча со студентами Омского государственного технического университета, обучающимися по направлению подготовки 09.03.02 «Информационные системы и технологии» и проходящими производственную практику в Санкт-Петербурге
Новый выпуск «Научного Петербурга» посвящен наиболее ярким событиям месяца организаций Санкт-Петербургского отделения РАН (СПбО РАН).
Мероприятие, организованное при поддержке Минсельхоза РФ, Правительства Республики Саха (Якутия), РАН и Национальной ассоциации по сохранению генофондных пород, было посвящено определению стратегических направлений устойчивого развития животноводства в экстремальных климатических условиях Арктики и Крайнего Севера.
С 24 по 26 июня 2026 г. в ФГБНУ «Курский Федеральный Аграрный Научный Центр» проходила VIII научно-практическая конференция «Проблемы и перспективы научно-инновационного обеспечения агропромышленного комплекса регионов».
Актуальность исследования связана с широким внедрением машинного обучения в системы защиты, что создает новый класс уязвимостей, требующих анализа для разработки методов противодействия. Разработан и реализован алгоритм генерации состязательных HTTP-запросов для обхода классификаторов в условиях «черного ящика», отличающийся использованием аппроксимации градиента через зондирующие запросы (ZOO) и набором трансформаций (кодирование URL, инъекция заголовков), обеспечивающий возможность модификации запроса с сохранением его вредоносной семантики и позволяющий снизить эффективность обнаружения многоэтапной IDS с 99,26% до 71,43% после 400 итераций. Исследование направлено на реализацию задач по обеспечению кибербезопасности и развитию методов защиты критической информационной инфраструктуры, определенных в Стратегии научно-технологического развития Российской Федерации (Указ Президента РФ от 28.02.2024 г. № 145). Ichetovkin, E. and Kotenko, I. Analysis of the Impact of Attacks Against Machine Learning Components of Intrusion Detection Systems.