-
-
Show HN：Strata -一个表达性语义层，可以对您的LLM说不
HN Ÿ 8 · 3 评论
-
显示HN：Lathoa，一个针对AI故意出错的孩子的数学应用程序
HN Ÿ 22 · 8 评论
-
在日本工作期间攻读机器学习博士学位
HN ð44· 12 评论
-
蓝十字保险公司称，人工智能工具产生了近10亿美元的额外成本
HN Ÿ 8 · 3 评论
-
PSSA：在Rust中从头开始编写的非转换器语言模型
HN42· 11 评论
-
负责任地发布人工智能生成的数学
HN ð15· 3 评论
-
议员，居民抵制给予家庭的人工智能“枯萎分数”
HN Ÿ 8 · 2 评论
-
开量级人工智能被禁止了吗？
HN Ÿ 6 · 0 评论
-
显示HN：TurboGPT：列车22 KiB Transformer 13秒
HN ð43· 6 评论
-
自主机器人政策改进的技能太空射击
作者：芮子航、王仁浩、黄浩绪|部署在物理世界中的机器人必须能够在遇到新情况和失败时超越最初的训练。为了使这种改进能够跨任务扩展，它必须有效地利用经验，而不需要人工演示每个校正。最近的代理系统提供了一种通过使用基础模型来自主地减少对人类努力的依赖的方法
-
Imagine 3D-LLM：教MLLM在志愿服务之前想象3D场景
作者：Jaewoo Jung、Hyeonseo Yu、Honggyu An|从多视图图像推理3D世界仍然是多模式大型语言模型（MLLM）的一个根本挑战。虽然现代MLLM可以有效地处理单个图像输入，但它们很难将跨视角的证据整合到连贯的3D理解中。越来越多的作品试图通过将3D意识注入MLLM来缩小这一差距，要么通过提高细粒度的像素
-
局部去噪作为语义物种的分解
作者：刘光国、Mert Okyay、Yifan F.张|生成模型的动态表现出两个明显不同的时间窗口：物种形成窗口，其中样本提交到语义类，和非局部窗口，其中局部上下文窗口变得不足以生成。受它们在各种前沿模型中近乎共存的证据的启发，我们通过sema的空间分布来研究它们的关系
-
STEPQuant：Delta规则回归状态量化中错误的时间和地点重要
作者：姚秉辰、徐浩波、林浩坤|线性注意力用固定大小的循环状态取代了不断增长的KV缓存，但这些持久状态可能会成为并发服务下的重大内存瓶颈。将循环状态直接量化到低精度通常会导致准确性严重下降，因为量化误差会通过连续的状态更新传播。我们发现这些错误的影响取决于两个c
-
LeapQuant：具有准确循环状态量化的高效线性注意力
作者：潘毅、习浩成、朱堪|最近的LLM越来越多地采用混合设计，用线性注意力取代标准注意力，例如Gated DeltaNet（GDN）和Kimi Delta Attention（KDA）。虽然它们将上下文压缩为固定大小的循环状态，并大大降低了长上下文处理的成本，但重复读取和更新该状态仍然是一个主要的推理瓶颈。量化提供了一种自然
-
农田帕特RNS：卫星图像时间序列数据中农作物分割的并行维度注意力网络和数据集差异注意力
作者：Joseph Metcalfe、Sara Sharifzadeh、Fabio Caraffini|卫星图像时间序列数据集和农田分割的边界推进架构的格局从未如此丰富。然而，在这场淘金热中，重要的真理在两个方面都被忽视了，因为对最新颖概念或最大数据集的推动力将更好的细节推到了一边。在本文中，我们介绍了我们的混合变换器-卷积模型Cropland Parall
-
LLM图重构中失真的谱理论：锐界和经验特征
作者：申建如|语言模型对图重建的评估通常会报告原始图和重建图之间的单个聚合距离。我们证明，对于拉普拉斯光谱之间的沃瑟斯坦距离，这样的总结由两个边缘计数（从下到下的边缘数量的净变化和从上到下的对称差）包围，每个按$2/n$缩放，其中$n$是ver的数量
-
CLARRES-TTC：用于情感语音生成的剩余增强型载体引导
作者：黄宽波、刘昊和、彭朴元|以情感为条件的文本到语音（TTS）模型可能无法可靠地表达所请求的情感，并且通过额外的训练来提高可控性在计算和情感标记的语音训练数据中都是昂贵的。因此，我们研究了载体转向，这是一种无需训练的方法，可以修改冻结模型的内部表示。CoCoCoEmo，一种用于e的传统载体引导方法
-
超越时间轴：用扎根的实体传记增强长视频记忆
作者：任慧、雷凡、包亨利|回答有关长视频的问题通常需要在数小时或数天内连接涉及相同对象的事件。按时间顺序描述和文本衍生的实体可能会导致物理身份未被解决：不同的对象可能共享描述，而对同一对象的观察在事件中保持脱节。因此，检索相关事件并不一定恢复“
-
在教师监督下预培训潜在信息反馈变形者
作者：Dor Tirosh、Ido Amos、Mor Geva| Transformer语言模型（LM）是前向的：深层表示永远不会反馈到较浅的层，信息在生成步骤中向下流动的唯一途径是解码的令牌。这种狭窄的渠道迫使模型重新计算中间结果并放弃替代延续。在这项工作中，我们在预训练期间消除了这个瓶颈，引入了
-
Show HN：Enigma机器的工作3D模型
HN ð27· 2 评论
-
引入GPT-6.1 Sol
符合GPT-6.1溶液：在编码、计算机使用和专业工作方面接近Astra的智能，价格仅为Astra标准API输入和输出代币价格的五分之一。
-
DraftKings正在使用人工智能来针对慢性赌徒
HN ð311· 204 评论