Abhijit Chakraborty
PulseAugur coverage of Abhijit Chakraborty — every cluster mentioning Abhijit Chakraborty across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的ZoE评分方法提高了AI代理的工具检索能力
一篇新的研究论文提出了一种改进AI代理从共享目录中检索工具的方法。研究发现,池化使用示例虽然对已有示例的工具很有益,但会显著降低未使用工具的检索率。为解决此问题,该论文引入了ZoE(Z-scores over Evidence)评分规则,该规则分别评估工具的文档和使用示例。此方法旨在确保没有先前使用记录的工具仍能根据其文档被发现。
-
DeALOG框架使用去中心化智能体进行多模态问答 · arXiv论文
研究人员推出DeALOG,一个新颖的去中心化多智能体框架,专为多模态问答设计。该框架利用专门的智能体执行表格分析、上下文理解、视觉处理、摘要和验证等任务。这些智能体通过共享的自然语言日志进行通信和维护,该日志充当持久化内存,能够在没有中央控制器的情况下进行协作式错误检测和验证。在多个基准数据集上的评估表明,DeALOG具有竞争力,并突出了其共享日志、智能体专业化和验证机制对准确性的重要性。
-
JobMatchAI平台利用知识图谱和可解释AI实现更好的职位匹配
一篇新研究论文介绍JobMatchAI,一个旨在改进传统基于关键词搜索系统的职位匹配平台。该平台集成了Transformer嵌入、技能知识图谱和可解释AI技术,以提供更准确和透明的候选人匹配。它旨在解决处理技能同义词和多样化职业路径方面的局限性,并提供匹配分数的分项解释。
-
SYNAPSE 通过跨不同 LLM 的类型化件实现联邦学习
研究人员推出了一种新颖的联邦学习系统 SYNAPSE,该系统利用类型化的联邦件。这种方法允许在具有多样化且冻结的大型语言模型的客户端之间进行更强大的工具路由,而无需共享数据或权重。该系统提供了正式的差分隐私保证,并展示了有效的跨架构迁移能力,性能优于传统方法。
-
TIMEGATE系统通过节省资源的策略优化机器学习适应
研究人员开发了TIMEGATE,这是一种新颖的策略层,旨在管理机器学习系统的持续适应,同时最大限度地减少资源消耗。该系统对时间、标注、训练和评估进行预算,并发出一个指标可用性信号(M)来指导部分评估和完全评估之间的决策。实验表明,TIMEGATE可以实现显著的计算和能源节省,在LLaMA上进行10%切片评估,使用H200 GPU的运行时间和能源减少了89%,而不会损害准确性或导致静默的错误推广。