AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:概率建模×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月21日
12:25
12:25arXiv cs.LG@André Ribeiro, Ana Luiza Tenório, Tiago da Silva, Diego Mesquita
精选
传统图神经网络(GNN)处理节点特征时,通常假设特征是实数向量,但许多场景下节点特征更适合用概率分布(如高斯分布)表示。直接拼接均值和协方差矩阵会丢失几何与代数结构。研究者提出高斯层神经网络(GSNN),基于细胞层理论推导出新的拉普拉斯算子,保留关键数学性质,并在合成和真实数据上验证了有效性。这项工作为处理不确定性或噪声数据的图学习提供了新思路。
论文图神经网络高斯分布细胞层理论拉普拉斯算子概率建模

推荐理由:做图学习或处理带噪声/不确定性数据的团队,GSNN 提供了一种保留概率结构的新方法,值得关注其理论推导和实验效果。
原文
5月11日
11:44
11:44arXiv cs.AI(学术论文)
论文提出PACS(概率常识溯因推理)框架,解决神经符号系统中形式逻辑求解器缺乏常识的问题。传统方法假设常识事实普遍一致,但实际中个体常识存在差异。PACS通过LLM和形式求解器对个体常识信念进行抽样证明,并聚合结论,在多个基准测试中优于思维链、先前神经符号方法和搜索式方法。该工作首次将概率建模引入常识溯因推理,为处理主观常识提供了新思路。
论文推理模型常识推理神经符号LLM概率建模

推荐理由:通过概率建模处理常识变异,PACS提升了神经符号推理的鲁棒性,对增强LLM在开放世界推理中的常识能力有实际价值。
原文
精选全部日报登录