Российские исследователи разработали метод ускорения нейросетей

Новый подход сократил расход памяти в 100 раз и повысил эффективность рекомендаций в соцсетях.

Исследователи из команды AI VK Research создали технологию, которая упрощает обучение графовых нейросетей на больших массивах данных. Разработка позволяет анализировать объекты и связи между ними, значительно снижая требования к вычислительным ресурсам.

Технологию протестировали на анонимизированном массиве из 194 миллионов пользователей и 28 миллиардов связей. Предложенный способ хранения данных сократил потребление памяти более чем в 100 раз, а подготовку информации для обучения ускорил в 2,5 раза.

Эффективность метода проверили на системе рекомендаций друзей во «ВКонтакте». В результате эксперимента количество добавлений в друзья из рекомендаций выросло на 16%, а доля пользователей, добавивших хотя бы одного человека по совету алгоритма, увеличилась на 11,5%. Разработку можно применять и в других сферах, работающих со сложными взаимосвязанными данными, а описание технологии приняли на международную конференцию CIKM 2026.

Источник: iXBT