Adaption Labs
PulseAugur coverage of Adaption Labs — every cluster mentioning Adaption Labs across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
中国团队EverMind发布全栈自进化AI框架 · 追踪1个来源
中国研究团队EverMind发布了三篇论文，详细介绍了其自进化AI的全面方法，解决了该领域内的关键挑战。他们的工作侧重于改善AI的长期记忆和实现持续的自我改进，这一概念被称为NeoLab。与许多基于理论概念获得巨额资助的海外团队不同，EverMind提出了一个完整技术框架。他们的研究解决了安全修改AI运行逻辑、管理庞大且不断发展的技能集以及优化模型从错误中学习等问题。
-
发布尼日利亚机械数据集和推理层，服务非洲经济
研究人员发布了尼日利亚机械使用与故障数据集，该数据集包含 89 条涵盖 2006-2025 年的机器级记录，重点关注尼日利亚的制造业以及石油/天然气行业。该数据集旨在解决非洲经济体公共、模型就绪工业数据稀缺的问题。除数据集外，还开发了一种从稀疏数值生成思维链推理示例的方法，产生了 94 对提示-完成对，这些对均以领域为基础，并可追溯至其原始来源。
-
Adaption Labs的AutoScientist比研究人员调优模型效果好35%
Adaption Labs开发了AutoScientist，这是一个旨在优化AI模型训练的自动化系统。据报道，该系统在模型调优方面优于原始实验室研究人员，在内部评估中取得了35%的改进。AutoScientist通过共同优化训练数据和训练配方，并结合以往运行中的自我改进能力来实现这一点。
-
更小的语言模型现已超越更大的模型，挑战规模化趋势
根据Sara Hooker的一篇文章，提高语言模型（LLM）规模以获得更好性能的趋势正达到极限。虽然更大的模型历来优于更小的模型，但近期证据表明，更小、更高效的模型现在正取得相当或更优的结果。这表明当前的规模化方法可能效率低下，由于未经优化的训练机制，相当一部分参数可能冗余。