实体
Affective Flow Language Model
Affective Flow Language Model
PulseAugur coverage of Affective Flow Language Model — every cluster mentioning Affective Flow Language Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的GLOW框架预测代理工作流性能
研究人员开发了GLOW，一个旨在预测代理工作流（AWs）性能的新框架。该方法结合了用于结构建模的图神经网络（GNNs）和用于语义理解的大型语言模型（LLMs），旨在降低评估大量候选AWs相关的计算成本和延迟。在FLORA-Bench基准上的实验表明，GLOW在准确性和排名效用方面优于现有方法。当集成到自动AW生成框架中时，GLOW在保持高性能的同时显著缩短了优化时间。
-
AI 自进化可能始于外部系统，而非模型权重
前 OpenAI 安全副总裁 Wonyong Li 提出了一条 AI 自进化的新路径，建议从外部操作系统（Harness）开始，而不是直接修改模型权重。该 Harness 系统负责管理工具使用、上下文、任务拆分和结果验证，并可根据观察到的失败进行迭代改进。DeepSeek 的崔天言等研究人员认为，改进 Harness 是 AI 进步的一个有前景的方向，有可能在不改变核心模型的情况下实现显著的性能提升。
-
AFlow语言模型改进情感支持对话，性能优于GPT-4o和Claude 3.5
研究人员开发了一个名为情感流动语言模型（AFlow）的新框架，以改进情感支持对话。AFlow通过沿对话轨迹建模连续的情感流动来引入细粒度监督，比现有的结果级信号提供更多指导。实验表明，AFlow在各种情感背景下，其性能显著优于竞争性基线，甚至优于GPT-4o和Claude-3.5等专有模型。该框架的代码是公开的。