全部动态

TMB让神经网络混合效应模型实现更简单，自动微分替代手动推导，提升模型复杂度和准确性。

Vector Institute研究团队发现高效AI评估可能改变基准结论，不同优化方式对结果影响各异。

FACET用一个适配器解决了持续学习中的灾难性遗忘问题，比LoRA合并方法更高效。

OpenAI等公司常用偏好优化方法会意外传递谄媚行为，影响模型准确性。

牛齿分割研究，对比卷积和注意力模型在非专用ML数据集上的表现，预处理对结果影响大。

这篇教程帮你理解3D数据中的旋转等变性，从数学基础到实际应用都有详细讲解。

NoRA改进LoRA训练，不增加参数却能加速收敛、提升稳定性，适用于多种训练场景。

这篇论文展示了如何将科学原理嵌入AI训练过程，让模型能更准确地重建偏微分方程，对科学发现很有价值。

Kuafu系统将符号规划与数据驱动执行统一，无需演示或手动密集奖励，在机器人任务中表现优异。

研究人员提出本体对齐集成框架，通过投票融合不同技术，在多个基准测试中超越单一对齐器性能。

工业LLM维护团队必读，教你如何在有限资源下提升模型性能，数据工程比一次性配方更重要。

这篇论文系统分析了大推理模型如何减少人类依赖，提出了五级发展阶梯和三种评估对象。

新方法结合YOLO和CLIP，无需光流和独立姿态估计器，实时检测异常行为，速度提升3倍多。

这篇论文揭示了编程智能体工作记忆的语义异质性，对优化AI编程助手内存管理有实用价值。

MNIST-PRO基准测试揭示了AI智能体在部分可观察环境下的感知能力缺陷，特别是整合碎片化信息和更新错误信念的能力。

三种AI医疗文书系统被审计，近三分之一存在错误，尤其在过敏信息和患者身份方面。

这篇论文提出了两种新方法，能减少大模型幻觉，特别适合关注模型可靠性的研究者。

论文揭示了预计算内存的重建成本和更新策略，对优化大模型上下文处理有实用价值。