Общая нейросетевая модель с кросс-модульным взаимодействием для кредитного скоринга физических лиц
Всем привет! На связи снова команда прикладных исследований Альфа-Банка. Эта статья является третьей, и последней, в серии статей, посвященной нейросетевым подходам к решению задачи кредитного скоринга физических лиц в Альфа-Банке. Первые две статьи:Базовые нейросетевые модели для кредитного скоринга физических лицГрафовые нейросети для прогноза дефолта физических лиц: как мы попробовали новый подход и не прогадали
Отказ от ответа в табличной классификации: max-prob, entropy и conformal sets на CatBoost
1) Зачем нужен "отказ от ответа"?В табличной классификации ошибка часто стоит дороже, чем “не знаю”. Поэтому вместо “модель всегда отвечает” полезнее режим selective classification (abstention): модель отвечает только когда уверена, а сомнительные случаи отправляет в ручную проверку / второй контур.Например: Антифрод (транзакции) :Ошибка → пропустили мошенника (прямой убыток). Отказ → транзакция уходит на дополнительную проверку (потеря UX/времени, но контролируемо). Кредитный скоринг (одобрить/отклонить):Ошибка → одобрили “плохого” клиента (риск дефолта). Отказ
Неделя в российском AI: от управления «мыслями» нейросетей до победы человека над ИИ
Собрали главные события недели с 21 по 26 июля 2025 года в российском AI-сегменте: технические прорывы, корпоративные внедрения и неожиданные результаты соревнований человека с машиной.TabM от Yandex Research превзошел градиентный бустинг на табличных данныхКоманда Артема Бабенко из Yandex Research представила TabM (Tabular Mixer) — архитектуру, специально разработанную для табличных данных. В отличие от попыток адаптировать трансформеры, исследователи создали решение с нуля.Результаты впечатляют:На 46 benchmark-датасетах TabM показал средний ранг 1.8 против 2.4 у XGBoost
TabM — новая нейросетевая архитектура для работы с табличными данными от исследователей Яндекса
Лаборатория исследований искусственного интеллекта Yandex Research представила новую нейросетевую архитектуру для работы с табличными данными — TabM. Она позволяет быстро обрабатывать большие массивы данных и строить высокоточные прогнозы, что особенно актуально для сфер бизнеса, исследований и медицины. Модель поможет оптимизировать поставки, прогнозировать энергопотребление, классифицировать пациентов по риску заболеваний и решать многие другие задачи.
