实体
Amirhossein Yousefiramandi
Amirhossein Yousefiramandi
PulseAugur coverage of Amirhossein Yousefiramandi — every cluster mentioning Amirhossein Yousefiramandi across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
深度强化学习优化面向截止时间约束的编码缓存
研究人员开发了一种深度强化学习方法，用于优化面向视频流等截止时间约束应用的编码缓存。他们使用近端策略优化训练的策略网络，与现有方法相比，将广播包过期率显著降低了 40.9%。该系统选择性地合并数据包，仅在约 31.8% 的时间进行合并，这对于截止时间更严格的应用至关重要。
-
新研究探索基于LLM的专利分析和基准测试
两篇新研究论文探讨了使用大型语言模型改进专利表示学习的方法。第一篇论文介绍了PHAGE，一种新颖的编码器，它使用异构依赖图来更好地捕捉专利权利要求的层次结构，在分类、检索和聚类方面优于现有基线。第二篇论文对22种不同的嵌入模型进行了基准测试，评估了它们在检索、分类和聚类任务上的性能，并发现微调策略是任务相关的，并且单一景观微调可能会损害在外部景观上的性能。
-
合成LLM数据可提升专利分类，但数量是关键
一篇新的研究论文探讨了由大型语言模型生成的合成数据在低资源多标签专利分类中的有效性。研究发现，虽然合成数据可以显著提高微F1等性能指标，但大部分收益归因于数据量的增加，而非真正的合成价值。研究还强调，数据保真度指标与分类性能之间的相关性会随着所用真实数据规模的变化而变化，并且合成数据的效用是特定于任务和指标的，有时甚至会损害检索任务。