Яковлев Константин Дмитриевич

Младший научный сотрудник лаборатории теоретических основ моделей искусственного интеллекта Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ и преподаватель департамента больших данных и информационного поиска того же факультета. В университете с 2025 года. Образование получил в Московском физико-техническом институте по специальности «Прикладная математика и физика»: бакалавриат окончил в 2022 году, магистратуру — в 2024-м. В обязанностях указано проведение исследований в области стохастических алгоритмов, а профессиональные интересы обозначены как статистическая теория обучения.

До перехода в лабораторию работал стажёром-исследователем Международной лаборатории стохастических алгоритмов и анализа многомерных данных НИУ ВШЭ. Научные руководители, указанные в профиле, — А.А. Наумов и Н.А. Пучкин. В июне 2026 года отмечен благодарностью факультета компьютерных наук НИУ ВШЭ. В августе 2026 года участвовал в летней школе «Статистика и теория обучения» (Summer School on Statistics and Learning Theory) в селе Арзакан в Армении, организованной факультетом математики и механики Ереванского государственного университета.

Исследования лежат на стыке теории вероятностей и машинного обучения. Совместно с Н.А. Пучкиным подготовил работу «Generalization error bound for denoising score matching under relaxed manifold assumption», опубликованную в трудах 38-й ежегодной конференции по теории обучения (Conference on Learning Theory, Лион, 2025) — Proceedings of Machine Learning Research, том 291, с. 5824–5891. Работа посвящена оценке ошибки обобщения для метода сопоставления оценок при ослабленном предположении о многообразии, лежащего в основе современных диффузионных генеративных моделей.

Вторая линия работ связана с обработкой естественного языка. В сборнике Findings of the Association for Computational Linguistics: EMNLP 2024 вышла статья «Toolken+: Improving LLM Tool Usage with Reranking and a Reject Option» (с. 5967–5974), написанная с С. Николенко и А. Боутом: она посвящена тому, как большие языковые модели выбирают внешние инструменты и когда им следует отказаться от вызова. Ещё две работы — «GEC-DePenD: Non-Autoregressive Grammatical Error Correction with Decoupled Permutation and Decoding» (2023) об исправлении грамматических ошибок неавторегрессионным методом и «Sinkhorn Transformations for Single-Query Postprocessing in Text-Video Retrieval» (2024) о постобработке результатов поиска видео по текстовому запросу.

Преподаёт математико-статистический блок программы «Прикладная математика и информатика». Ведёт «Математическую статистику 1 (углублённый курс)» на втором курсе бакалавриата (4 модуль, 3 кредита, 60 контактных часов) и «Математическую статистику 2» на третьем курсе (1 и 2 модули, 5 кредитов, 56 контактных часов) — оба курса продвинутого уровня, где разбираются доказательства большинства утверждений и которые служат базой для дисциплин по машинному обучению и статистической теории обучения. Кроме того, читает англоязычный магистерский курс Additional Topics in Probability Theory (с 2026/2027 года — «Дополнительные главы теории вероятностей», 3 кредита, 28 контактных часов, совместно с В.В. Ульяновым): теоретико-мерное построение вероятности, интеграл Лебега и математическое ожидание, виды сходимости случайных величин, условное математическое ожидание и теорема Радона — Никодима, теорема Колмогорова о построении случайных процессов.