id int64 18 18.8k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 14:51:09 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 14:51:09 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
12,457 | 2026-02-24T10:56:30.015000Z | 2026-02-24T10:56:30.015000Z | Lec. | Парадигмальным сдвигом в развитии языковых моделей стало появление архитектуры трансформера, представленной в исследовании "Attention Is All You Need" [2] в 2017 году | false | true | false | |
12,456 | 2026-02-24T10:56:28.244000Z | 2026-02-24T10:56:28.244000Z | Lec. | В данном разделе рассматриваются основные этапы этой эволюции, включая появление трансформеров, развитие методологий обучения и влияние масштабирования на функциональные возможности моделей | false | true | false | |
12,455 | 2026-02-24T10:56:26.483000Z | 2026-02-24T10:56:26.483000Z | Lec. | Этот эволюционный процесс характеризуется несколькими ключевыми технологическими прорывами, которые фундаментально изменили возможности и применение языковых моделей | false | true | false | |
12,454 | 2026-02-24T10:56:24.717000Z | 2026-02-24T10:56:24.717000Z | Lec. | Развитие языковых моделей претерпело значительную трансформацию за последнее десятилетие, переходя от статистических подходов к нейросетевым архитектурам и, в конечном итоге, к современным крупномасштабным трансформерам | false | true | false | |
12,453 | 2026-02-24T10:56:22.713000Z | 2026-02-24T10:56:22.713000Z | Lec. | Примечательно, что задачи ARC представляют значительную сложность для систем ИИ, но относительно просты для людей — при тестировании оригинальных приватных оценочных задач два человека-эксперта достигли точности 97% и 98% соответственно, а совместно решили 100% задач [3] | false | true | false | |
12,452 | 2026-02-24T10:56:20.837000Z | 2026-02-24T10:56:20.837000Z | Lec. | Данное свойство требует от системы развитых способностей к индуктивному выводу и абстрактному мышлению, а не просто применения заранее изученных шаблонов | true | true | false | |
12,451 | 2026-02-24T10:56:18.755000Z | 2026-02-24T10:56:18.755000Z | Lec. | Принципиальной особенностью ARC является уникальность логики каждой задачи, что исключает возможность предварительной подготовки к их решению | false | true | false | |
12,450 | 2026-02-24T10:56:17.013000Z | 2026-02-24T10:56:17.013000Z | Lec. | Приватные оценочные задачи (100, сложные) | false | true | false | |
12,449 | 2026-02-24T10:56:15.519000Z | 2026-02-24T10:56:15.519000Z | Lec. | Полуприватные оценочные задачи (100, сложные) | false | true | false | |
12,448 | 2026-02-24T10:56:13.251000Z | 2026-02-24T10:56:13.251000Z | Lec. | Публичные оценочные задачи (400, сложные) | false | true | false | |
12,447 | 2026-02-24T10:56:11.728000Z | 2026-02-24T10:56:11.728000Z | Lec. | Публичные тренировочные задачи (400, легкие) | false | true | false | |
12,446 | 2026-02-24T10:56:10.005000Z | 2026-02-24T10:56:10.005000Z | Lec. | Бенчмарк ARC-AGI-1 включает 1000 задач, структурированных в четыре категории [3]: | false | true | false | |
12,445 | 2026-02-24T10:56:08.388000Z | 2026-02-24T10:56:08.388000Z | Lec. | Задача интеллектуальной системы заключается в выявлении правила преобразования на основе демонстрационных примеров и последующем применении данного правила к тестовому входу для генерации корректного выхода | false | true | false | |
12,444 | 2026-02-24T10:56:06.753000Z | 2026-02-24T10:56:06.753000Z | Lec. | Структурно ARC представляет собой набор визуально-логических задач, каждая из которых содержит несколько демонстрационных пар "вход-выход" и один или несколько тестовых входов | false | true | false | |
12,443 | 2026-02-24T10:56:05.088000Z | 2026-02-24T10:56:05.088000Z | Lec. | Данная концепция подчеркивает, что истинный интеллект заключается не в конкретных навыках, а в способности эффективно приобретать новые компетенции в условиях ограниченного опыта | false | true | false | |
12,442 | 2026-02-24T10:56:03.279000Z | 2026-02-24T10:56:03.279000Z | Lec. | В фундаментальной работе "On the Measure of Intelligence" [1] предложено определение интеллекта как "способности системы приобретать новые навыки для решения ранее неизвестных задач" | false | true | false | |
12,441 | 2026-02-24T10:56:01.431000Z | 2026-02-24T10:56:01.431000Z | Lec. | Abstraction and Reasoning Corpus (ARC) был разработан Франсуа Шолле в 2019 году в качестве бенчмарка для оценки способности систем искусственного интеллекта к абстрактному мышлению и обобщению | false | true | false | |
12,440 | 2026-02-24T10:55:59.572000Z | 2026-02-24T10:55:59.572000Z | Lec. | Результаты сравнительного анализа различных моделей по IQ-метрике могут быть использованы как разработчиками искусственного интеллекта для совершенствования своих решений, так и конечными пользователями для принятия обоснованных решений о выборе конкретной языковой модели | false | true | false | |
12,439 | 2026-02-24T10:55:57.693000Z | 2026-02-24T10:55:57.693000Z | Lec. | Автоматизированная система тестирования позволит значительно ускорить процесс оценки новых моделей и их версий, а разработанные системы промптов и методы валидации результатов могут быть применены в широком спектре задач, связанных с использованием языковых моделей | false | true | false | |
12,438 | 2026-02-24T10:55:55.920000Z | 2026-02-24T10:55:55.920000Z | Lec. | Практическая значимость работы заключается в возможности использования разработанной методики для выбора оптимальной языковой модели под конкретные задачи, что особенно важно в условиях растущего разнообразия доступных LLM и увеличения стоимости их эксплуатации | false | true | false | |
12,437 | 2026-02-24T10:55:53.891000Z | 2026-02-24T10:55:53.891000Z | Lec. | Такая метрика позволит не только оценивать существующие модели, но и отслеживать прогресс в развитии искусственного интеллекта в целом | false | true | false | |
12,436 | 2026-02-24T10:55:52.027000Z | 2026-02-24T10:55:52.027000Z | Lec. | Кроме того, с ростом числа доступных языковых моделей возникает необходимость в объективном сравнении их возможностей, что делает разработку универсальной IQ метрики особенно актуальной | false | true | false | |
12,435 | 2026-02-24T10:55:50.052000Z | 2026-02-24T10:55:50.052000Z | Lec. | Существующие методики часто не учитывают специфику работы современных LLM и не позволяют в полной мере оценить их потенциал в решении задач, требующих абстрактного мышления | false | true | false | |
12,434 | 2026-02-24T10:55:48.283000Z | 2026-02-24T10:55:48.283000Z | Lec. | В настоящее время отсутствует единый стандартизированный подход к измерению IQ языковых моделей, особенно при сравнении закрытых коммерческих решений с открытыми моделями | false | true | false | |
12,433 | 2026-02-24T10:55:46.526000Z | 2026-02-24T10:55:46.526000Z | Lec. | Актуальность работы обусловлена стремительным развитием сферы искусственного интеллекта и необходимостью создания объективных методик оценки интеллектуальных способностей языковых моделей | false | true | false | |
12,432 | 2026-02-24T10:55:44.658000Z | 2026-02-24T10:55:44.658000Z | Lec. | Подготовка git-репозитория с исходным кодом экспериментов | false | true | false | |
12,431 | 2026-02-24T10:55:43.125000Z | 2026-02-24T10:55:43.125000Z | Lec. | Подготовка черновика научной статьи в формате для arxiv.org | false | true | false | |
12,430 | 2026-02-24T10:55:41.325000Z | 2026-02-24T10:55:41.325000Z | Lec. | Исследование альтернативных IQ тестов для оценки LLM | false | true | false | |
12,429 | 2026-02-24T10:55:39.613000Z | 2026-02-24T10:55:39.613000Z | Lec. | Проведение экспериментов по дообучению моделей Qwen и Llama на подготовленном датасете | false | true | false | |
12,428 | 2026-02-24T10:55:37.927000Z | 2026-02-24T10:55:37.927000Z | Lec. | Создание автоматизированной системы тестирования, валидации и корректировки результатов | false | true | false | |
12,427 | 2026-02-24T10:55:36.130000Z | 2026-02-24T10:55:36.130000Z | Lec. | Разработка и оптимизация системы промптов для различных подходов тестирования | false | true | false | |
12,426 | 2026-02-24T10:55:34.359000Z | 2026-02-24T10:55:34.359000Z | Lec. | Разработка комбинированного подхода к решению ARC-задач | false | true | false | |
12,425 | 2026-02-24T10:55:32.825000Z | 2026-02-24T10:55:32.825000Z | Lec. | Исследование и тестирование закрытых LLM (ChatGPT-4, Gemini), Wizard LM и Open Source LM (Llama 3.1, DeepSeekMath, Qwen) в задаче решения ARC-тестов | false | false | false | |
12,424 | 2026-02-24T10:55:30.734000Z | 2026-02-24T10:55:30.734000Z | Lec. | Для достижения поставленной цели необходимо решить следующий ряд задач: | false | true | false | |
12,423 | 2026-02-24T10:55:28.990000Z | 2026-02-24T10:55:28.990000Z | Lec. | Целью данной работы является разработка комплексной методики проведения IQ тестов на основе ARC-задач и сравнение различных больших языковых моделей (как закрытых, так и открытых) по IQ метрике, включая создание автоматизированной системы тестирования и комбинированного подхода к решению задач | false | true | false | |
12,422 | 2026-02-24T10:55:26.993000Z | 2026-02-24T10:55:26.994000Z | Lec. | Кроме того, как закрытые коммерческие модели (ChatGPT-4, Gemini), так и открытые модели (Llama 3.1, DeepSeekMath, Qwen) редко подвергаются систематическому тестированию по специализированным IQ-метрикам, что создает пробел в понимании их истинных возможностей | false | true | false | |
12,421 | 2026-02-24T10:55:25.115000Z | 2026-02-24T10:55:25.115000Z | Lec. | Существующие методики оценки языковых моделей часто ограничиваются стандартными бенчмарками, которые не всегда отражают реальные интеллектуальные способности систем | false | true | false | |
12,420 | 2026-02-24T10:55:23.371000Z | 2026-02-24T10:55:23.371000Z | Lec. | ARC-тесты представляют собой особую ценность для оценки языковых моделей, поскольку требуют не просто обработки текста, а глубокого понимания логических связей и способности к обобщению | false | true | false | |
12,419 | 2026-02-24T10:55:21.556000Z | 2026-02-24T10:55:21.556000Z | Lec. | Одним из наиболее признанных тестов в этой области является ARC (Abstraction and Reasoning Corpus) – набор задач, требующих абстрактного мышления и способности выявлять закономерности | false | true | false | |
12,418 | 2026-02-24T10:55:19.798000Z | 2026-02-24T10:55:19.798000Z | Lec. | Тесты IQ, изначально разработанные для оценки человеческого интеллекта, сегодня адаптируются для тестирования искусственных систем | false | true | false | |
12,417 | 2026-02-24T10:55:18.056000Z | 2026-02-24T10:55:18.056000Z | Lec. | Особый интерес представляет измерение показателей, аналогичных человеческому IQ, для различных языковых моделей | false | true | false | |
12,416 | 2026-02-24T10:55:16.310000Z | 2026-02-24T10:55:16.310000Z | Lec. | Одним из ключевых направлений в данной области является оценка интеллектуальных способностей языковых моделей, что позволяет определить их потенциал и ограничения при решении сложных задач | false | true | false | |
12,415 | 2026-02-24T10:55:14.345000Z | 2026-02-24T10:55:14.345000Z | Lec. | В современном мире искусственный интеллект и большие языковые модели (LLM) стали неотъемлемой частью научных исследований и практических разработок | false | true | false | |
12,414 | 2026-02-24T10:55:12.580000Z | 2026-02-24T10:55:12.580000Z | Lec. | Список использованных источников 80 | false | false | false | |
12,413 | 2026-02-24T10:55:10.924000Z | 2026-02-24T10:55:10.924000Z | Lec. | Заключение 79 | false | false | false | |
12,412 | 2026-02-24T10:55:09.163000Z | 2026-02-24T10:55:09.163000Z | Lec. | Введение 15. 1 Анализ существующих решений 17. 1.1 Сервисы аналоги 17. 1.2 Постановка задачи 18. 1.3 Выбор программных решений 19. 1.3.1 Технологии реализации одностраничного приложения 19. 1.3.2 Принципы построения интерфейса с использованием компонентов React 20. 1.3.3 Взаимодействие с состоянием приложения 21. 1.3.4... | false | false | false | |
12,411 | 2026-02-24T10:55:05.816000Z | 2026-02-24T10:55:05.816000Z | Lec. | The work consists of 80 pages, 35 sources, 42 figures, and 7 tables | false | true | false | |
12,410 | 2026-02-24T10:55:03.831000Z | 2026-02-24T10:55:03.831000Z | Lec. | Ontology: A developed knowledge base in the subject area, containing various textual variations of writing directions and skills, which improves the accuracy and relevance of search results | false | true | false | |
12,409 | 2026-02-24T10:55:01.976000Z | 2026-02-24T10:55:01.976000Z | Lec. | Client side: a website that provides users with job search functionality based on their requests, ensuring a convenient user interface and effective interaction with the server | false | true | false | |
12,408 | 2026-02-24T10:55:00.225000Z | 2026-02-24T10:55:00.225000Z | Lec. | Server part: includes a script for loading initial data, its subsequent processing and verification, and the implementation of an API for interaction with the client side | false | true | false | |
12,407 | 2026-02-24T10:54:58.560000Z | 2026-02-24T10:54:58.560000Z | Lec. | The result of this work is a comprehensive software service consisting of the following key components: | false | true | false | |
12,406 | 2026-02-24T10:54:56.749000Z | 2026-02-24T10:54:56.749000Z | Lec. | Further developments in this area may include improving data verification algorithms on the server and expanding the service's functionality | false | true | false | |
12,405 | 2026-02-24T10:54:54.994000Z | 2026-02-24T10:54:54.994000Z | Lec. | Interaction with the service is carried out through a website that is accessible from any point in the world | false | true | false | |
12,404 | 2026-02-24T10:54:53.252000Z | 2026-02-24T10:54:53.252000Z | Lec. | It is optimized for use on both computers and mobile devices, providing comfortable access to functionality from any device | false | true | false | |
12,403 | 2026-02-24T10:54:51.507000Z | 2026-02-24T10:54:51.507000Z | Lec. | This service is characterized by its simplicity and intuitive clarity, making it accessible to a wide audience | false | true | false | |
12,402 | 2026-02-24T10:54:49.757000Z | 2026-02-24T10:54:49.757000Z | Lec. | As part of this work, a service was developed for convenient and relevant job searching in MIEM projects that meets user requests | false | true | false | |
12,401 | 2026-02-24T10:54:48.031000Z | 2026-02-24T10:54:48.031000Z | Lec. | Работа состоит из 80 страниц, 35 источников, 42 рисунка и 7 таблиц | false | false | false | |
12,400 | 2026-02-24T10:54:46.415000Z | 2026-02-24T10:54:46.415000Z | Lec. | Онтология: разработанная база знаний по предметной области, содержащая различные текстовые вариации написания направлений и навыков, что обеспечивает точность и релевантность результатов поиска | false | true | false | |
12,399 | 2026-02-24T10:54:44.488000Z | 2026-02-24T10:54:44.488000Z | Lec. | Клиентская часть: веб-сайт, который предоставляет пользователям функциональность поиска вакансий на основе их запросов, обеспечивая удобный пользовательский интерфейс и эффективное взаимодействие с сервером | false | true | false | |
12,398 | 2026-02-24T10:54:42.627000Z | 2026-02-24T10:54:42.627000Z | Lec. | Серверная часть: включает скрипт для загрузки исходных данных, их последующую обработку и верификацию, а также реализацию API для взаимодействия с клиентской частью | false | true | false | |
12,397 | 2026-02-24T10:54:39.913000Z | 2026-02-24T10:54:39.913000Z | Lec. | Результатом данной работы является комплексное программное обеспечение сервиса, состоящее из следующих ключевых элементов: | false | true | false | |
12,396 | 2026-02-24T10:54:38.277000Z | 2026-02-24T10:54:38.278000Z | Lec. | Дальнейшие разработки в данной области могут включать в себя улучшение алгоритмов верификации данных на сервере и расширение функциональности сервиса | false | true | false | |
12,395 | 2026-02-24T10:54:36.515000Z | 2026-02-24T10:54:36.515000Z | Lec. | Взаимодействие с сервисом осуществляется через веб-сайт, который доступен из любой точки мира | false | true | false | |
12,394 | 2026-02-24T10:54:34.714000Z | 2026-02-24T10:54:34.714000Z | Lec. | Он предназначен для использования как на компьютерах, так и на мобильных устройствах, обеспечивая комфортный доступ к функционалу с любого устройства | false | true | false | |
12,393 | 2026-02-24T10:54:32.950000Z | 2026-02-24T10:54:32.950000Z | Lec. | Этот сервис отличается простотой и интуитивной понятностью, что делает его доступным для широкой аудитории | false | true | false | |
12,392 | 2026-02-24T10:54:31.191000Z | 2026-02-24T10:54:31.191000Z | Lec. | В рамках данной работы разрабатывается сервис для удобного и релевантного поиска вакансий в проектах МИЭМ, отвечающий запросам пользователей | false | true | false | |
12,391 | 2026-02-24T10:54:29.311000Z | 2026-02-24T10:54:29.311000Z | Lec. | титульник. график сдачи 1. график сдачи | false | false | false | |
12,390 | 2026-02-24T10:54:27.754000Z | 2026-02-24T10:54:27.754000Z | Lec. | Параметры конфигурации:. random_seed (int): Seed для воспроизводимости. test_or_train (str): Режим ("Train" или "Test"). parser:. parser_class (str): Класс парсера (GraphMLParser). target (str): Целевая переменная (delay, area). data_loader:. data_loader_class (str): Класс загрузчика (GraphMLDataLoader). batch_size (in... | false | false | false | |
12,389 | 2026-02-24T10:54:25.774000Z | 2026-02-24T10:54:25.774000Z | Lec. | Методы:. train_step(data): Обновляет веса модели на одном батче | false | true | false | |
12,388 | 2026-02-24T10:54:24.108000Z | 2026-02-24T10:54:24.108000Z | Lec. | Параметры конструктора:. model (nn.Module): Модель. optimizer (optim.Optimizer): Оптимизатор. criterion (nn.Module): Функция потерь. device (str): Устройство | false | false | false | |
12,387 | 2026-02-24T10:54:22.394000Z | 2026-02-24T10:54:22.394000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков. hidden_channels (int): Размерность скрытого слоя. out_channels (int): Размерность выхода. num_layers (int): Количество слоев. dropout (float): Вероятность дропаута. num_hops (int): Количество шагов агрегации. heads (int): Количество голов вниман... | false | true | false | |
12,386 | 2026-02-24T10:54:20.615000Z | 2026-02-24T10:54:20.615000Z | Lec. | Агрегирует признаки через глобальный пулинг | false | true | false | |
12,385 | 2026-02-24T10:54:18.732000Z | 2026-02-24T10:54:18.732000Z | Lec. | На каждом слое использует ReLU и дропаут | false | true | false | |
12,384 | 2026-02-24T10:54:17.242000Z | 2026-02-24T10:54:17.242000Z | Lec. | Логика: Последовательно применяет слои GCNConv с пакетной нормализацией (BatchNorm) | false | true | false | |
12,383 | 2026-02-24T10:54:15.441000Z | 2026-02-24T10:54:15.441000Z | Lec. | Методы:. forward(self, x, edge_index, batch): | false | false | false | |
12,382 | 2026-02-24T10:54:13.643000Z | 2026-02-24T10:54:13.643000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков. hidden_channels (int): Размерность скрытого слоя. out_channels (int): Размерность выхода. num_layers (int): Количество слоев GCN. dropout (float): Вероятность дропаута (например, 0.5) | false | false | false | |
12,381 | 2026-02-24T10:54:11.701000Z | 2026-02-24T10:54:11.701000Z | Lec. | Назначение: Классическая графовая сверточная сеть (GCN) с поддержкой пакетной нормализации | false | true | false | |
12,380 | 2026-02-24T10:54:10.188000Z | 2026-02-24T10:54:10.188000Z | Lec. | Агрегирует признаки узлов через глобальный пулинг (global_mean_pool) | false | true | false | |
12,379 | 2026-02-24T10:54:08.388000Z | 2026-02-24T10:54:08.388000Z | Lec. | Логика: Применяет два слоя TransformerConv с активацией ReLU | false | true | false | |
12,378 | 2026-02-24T10:54:06.657000Z | 2026-02-24T10:54:06.657000Z | Lec. | Методы:. forward(self, x, edge_index, batch) | false | false | false | |
12,377 | 2026-02-24T10:54:05.032000Z | 2026-02-24T10:54:05.032000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков. hidden_channels (int): Размерность скрытого слоя. out_channels (int): Размерность выхода. num_heads (int, опционально): Количество голов внимания (по умолчанию: 4) | false | true | false | |
12,376 | 2026-02-24T10:54:03.358000Z | 2026-02-24T10:54:03.358000Z | Lec. | Наследование: AbstractGraphModel | false | true | false | |
12,375 | 2026-02-24T10:54:01.753000Z | 2026-02-24T10:54:01.753000Z | Lec. | Назначение: Реализация GNN на основе механизма внимания из трансформеров | false | true | false | |
12,374 | 2026-02-24T10:54:00.233000Z | 2026-02-24T10:54:00.233000Z | Lec. | Возвращает: Выход модели (тензор) | false | true | false | |
12,373 | 2026-02-24T10:53:58.573000Z | 2026-02-24T10:53:58.573000Z | Lec. | Параметры:. x (Tensor): Признаки узлов (размерность: [num_nodes, in_channels]). edge_index (Tensor): Индексы ребер (размерность: [2, num_edges]). batch (Tensor): Вектор, указывающий принадлежность узлов к батчам | false | false | false | |
12,372 | 2026-02-24T10:53:56.820000Z | 2026-02-24T10:53:56.820000Z | Lec. | Назначение: Определяет прямой проход модели | false | true | false | |
12,371 | 2026-02-24T10:53:55.188000Z | 2026-02-24T10:53:55.188000Z | Lec. | Методы:. forward(self, x, edge_index, batch) (абстрактный): | false | false | false | |
12,370 | 2026-02-24T10:53:53.623000Z | 2026-02-24T10:53:53.623000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков узлов. hidden_channels (int): Размерность скрытых слоев. out_channels (int): Размерность выходного слоя. **kwargs: Дополнительные параметры (например, гиперпараметры) | false | false | false | |
12,369 | 2026-02-24T10:53:51.550000Z | 2026-02-24T10:53:51.550000Z | Lec. | Определяет обязательные методы и структуру для моделей | false | true | false | |
12,368 | 2026-02-24T10:53:49.691000Z | 2026-02-24T10:53:49.691000Z | Lec. | Назначение: Абстрактный базовый класс для всех графовых нейронных сетей | false | true | false | |
12,367 | 2026-02-24T10:53:47.598000Z | 2026-02-24T10:53:47.598000Z | Lec. | Методы:. fit(train_loader, val_loader): Запускает обучение | false | true | false | |
12,366 | 2026-02-24T10:53:45.618000Z | 2026-02-24T10:53:45.618000Z | Lec. | Параметры конструктора:. learning_rate (float): Скорость обучения. device (str): Устройство ("cpu" или "cuda"). criterion (nn.Module): Функция потерь. **kwargs: Гиперпараметры модели (например, hidden_channels=256) | false | true | false | |
12,365 | 2026-02-24T10:53:43.946000Z | 2026-02-24T10:53:43.946000Z | Lec. | Методы:. run(): Запускает обучение или тестирование. create_model_trainer(config): Создает тренер модели | false | false | false | |
12,364 | 2026-02-24T10:53:42.324000Z | 2026-02-24T10:53:42.324000Z | Lec. | Параметры конструктора:. config_path (str): Путь к JSON-конфигурации | false | true | false | |
12,363 | 2026-02-24T10:53:40.743000Z | 2026-02-24T10:53:40.743000Z | Lec. | Возвращает: Экземпляр парсера (например, GraphMLParser) | false | false | false | |
12,362 | 2026-02-24T10:53:38.995000Z | 2026-02-24T10:53:38.995000Z | Lec. | Параметры:. config (ParserConfig): Конфигурация парсера | false | true | false | |
12,361 | 2026-02-24T10:53:37.440000Z | 2026-02-24T10:53:37.440000Z | Lec. | Методы:. create_parser(config): | false | false | false | |
12,360 | 2026-02-24T10:53:32.744000Z | 2026-02-24T10:53:32.744000Z | Lec. | Возвращает:. torch.Tensor: Тензор с меткой | false | true | false | |
12,359 | 2026-02-24T10:53:31.309000Z | 2026-02-24T10:53:31.309000Z | Lec. | Назначение: извлекает метку из JSON-файла по ключу target | true | true | false | |
12,358 | 2026-02-24T10:53:29.832000Z | 2026-02-24T10:53:29.832000Z | Lec. | Возвращает:. nx.Graph: Граф схемы. load_label(self, file_path): | false | false | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.