Траектории развития: Как цифровые следы на планшете раскрывают когнитивные способности детей

Новое исследование демонстрирует, как анализ данных о взаимодействии детей с сенсорными экранами позволяет отслеживать развитие когнитивных и моторных навыков на протяжении времени.
![Система Pixelis оперирует изображениями и видео посредством исполняемых пиксельных инструментов, при этом обучение с подкреплением [SFT] осваивает синтаксис этих инструментов, а метод CC-RFT направляет исследование, основываясь на принципах любопытства, согласованности и эффективности, в то время как адаптация Pixel TTRL в режиме онлайн, использующая извлечение и голосование по траекториям с учётом ограничений KL/EMA, позволяет создавать более короткие и прозрачные цепочки инструментов.](https://arxiv.org/html/2603.25091v1/x1.png)

![В основе подхода Context-as-Transform (CaT) лежит операция преобразования контекста, использующая низкоразмерные параметры для модуляции эффектов контекста при получении данных и применяемая во всех модулях CaT-FSCIL; в процессе вывода, оцениваемый контекст используется для канонизации наблюдаемого спектрограмма [latex] \mathbf{M}\_{y,c} [/latex] в материально-ориентированное представление [latex] \mathbf{M}\_{y} [/latex], которое передается обучающему алгоритму и UCPC, а в ходе обучения псевдо-контексты [latex] \tilde{c}\_{p} [/latex] внедряются для оптимизации оценивателя контекста посредством обеспечения согласованности псевдо-контекстов, при этом в UCPC [latex] n_{\mathrm{ucpc}} [/latex] псевдо-контекстов используются для оценки неопределенности контекста на основе стабильности канонизации и калибровки классификатора.](https://arxiv.org/html/2603.25115v1/CATFSCIL.png)



