beacon
PulseAugur coverage of beacon — every cluster mentioning beacon across labs, papers, and developer communities, ranked by signal.
- 2026-05-11 research_milestone Release of the BEACON dataset for behavioral fingerprinting from gameplay. 来源
3 天有情绪数据
-
开源工具解决AI代理记忆限制问题
两个开源项目Beacon和腾讯的Hy Memory 2.0旨在解决AI代理在不同会话或模型之间遗忘信息的问题。Beacon由Asymptote Labs开发，捕获和规范化来自各种编码代理的遥测数据，以创建可重用的模式和工作流，使用户能够保留累积的知识。腾讯的Hy Memory 2.0引入了一个专门的300亿参数模型Hy-Memory-30B-A3B，该模型专门为编写和管理记忆而训练，比使用通用LLM执行此任务提供了更高效、更具成本效益的解决方案。
-
BEACON框架通过多模态和异步分析增强云异常检测能力
研究人员开发了BEACON，一个旨在改进大规模云系统异常检测的新框架。BEACON通过有效整合多模态数据（如指标和日志）并考虑系统实例之间的异步时间依赖性，解决了现有方法的局限性。该框架利用动态可解释多模态聚合器（DIMA）来对齐语义和时间信息，并利用异步时空传播器（ASTP）来建模空间和时间关系。实验表明，BEACON在真实云系统数据集上的表现优于当前最先进的方法。
-
新的 Beacon 框架增强了大型推理模型的安全对齐
研究人员开发了一个名为 Beacon 的新框架，以改进大型推理模型 (LRM) 的安全对齐。该框架解决了现有方法（如 GRPO）中的两种故障模式：优势崩溃和不安全多样化。Beacon 利用安全信号恢复 (SSR) 来增强安全学习信号，并利用安全-效用解耦对齐 (SUDA) 来平衡安全性和效用，减少过度拒绝。在 Qwen3 和 DeepSeek-R1-Distill 变体上的实验表明，安全性和推理性能有了显著提高。
-
Beacon 使用 AI 为主街企业实现软件现代化
Beacon 是一家软件公司，正在开发人工智能驱动的工具，旨在振兴主街经济中的企业。该公司认为，人工智能可以显著增强这些传统小企业的运营能力和市场覆盖范围。这项举措旨在为本地企业实现软件格局的现代化，使它们能够在数字时代更有效地竞争。
-
新框架通过保留身份和行为来增强特定主体视频生成
研究人员开发了两个新的特定主体视频生成框架，旨在提高视觉身份和表达性行为的保留度。BEACON 是一个轻量级框架，通过以身份参考图像和面部动态参考视频进行条件化生成，来解耦视觉身份与表达性行为。MSR（多主体参考）采用一种面向槽的条件化方案进行视频生成，独立编码每个参考图像并将其与其预期角色相关联，以减少参考混淆。
-
新AI系统提供多语言野火疏散指导
研究人员开发了BEACON，一个旨在提供包容性野火疏散指导的多语言代理系统。该系统解决了应急信息主要为英语的问题，这不利于英语熟练度有限的个人。BEACON提供个性化的疏散路线、清单和一个聊天机器人，能够根据用户的偏好动态调整语言设置。该系统整合了来自Watch Duty和美国国家海洋和大气管理局等来源的数据，以预测火灾危险等级并生成警报。
-
新的 BEACON 框架通过人类行为数据增强地理空间人工智能
研究人员开发了 BEACON，一个新颖的三模态对比学习框架，旨在增强 AlphaEarth 等地理空间基础模型。与现有模型主要关注地球观测图像而对人类活动的捕获能力较弱不同，BEACON 集成了来自兴趣点文本的语义信息和来自访问模式的人类行为数据。在休斯顿都市区进行的测试中，BEACON 显著提高了以人类为中心的城市分析（如肥胖患病率和家庭收入中位数）的预测能力，优于多个基线模型。
-
新的LLM框架BEACON构建网络威胁情报知识图谱
研究人员开发了BEACON，一个使用LLM从网络威胁情报（CTI）报告构建知识图谱的新框架。该方法将提取的信息锚定到MITRE ATT&CK的标准化攻击行为，从而能够整合来自不同来源的数据，即使这些来源对相同威胁使用不同的命名约定。BEACON的两个阶段过程，包括一个提议-验证范式和一个分层对齐策略，旨在减少LLM的误分类和幻觉。为了评估BEACON，创建了两个新数据集，该框架在性能上优于现有方法。
-
BEACON 框架使用贝叶斯证据获取进行 Agentic WSI 推理 · 跟踪 2 个来源
研究人员开发了 BEACON，一个用于 Agentic 全切片图像 (WSI) 推理的新框架，解决了当前方法的局限性。与依赖语义相关性进行块检索的现有方法不同，BEACON 利用贝叶斯证据获取来最大化预期的信息增益，从而降低诊断不确定性。这个即插即用的框架，构建于现成的基础模型之上，无需额外训练，并在 WSI-VQA 基准测试中展示了卓越的性能和效率。
-
LLM合成的代码世界模型在规划方面表现不佳，尽管预测准确性很高
一篇新的研究论文探讨了使用预测准确性作为评估大型语言模型合成代码世界模型（CWMs）的唯一指标的局限性。作者认为，尽管CWMs可以在采样轨迹上实现高转换准确性，但这并不能保证在规划任务中的有效性能。他们证明，即使是一个准确性接近完美的CWM，如果其一小部分错误涉及到关键的游戏动态，也可能系统性地失败。这个问题无法通过增加数据或使用GPT 5.x等模型来解决，因为LLM倾向于翻译规则而不是推断规则。该论文建议，面向规划的CWM的充分性应…
-
新框架和基准推动多模态大语言模型视觉推理能力发展
研究人员正在开发新方法来增强多模态大语言模型（MLLM）的视觉推理能力。一种名为 Beacon 的方法侧重于通过智能地仅在必要时调用工具并确保工具真正扩展模型能力来改进“模式适应性”和“工具效应”。另一个框架 LanteRn 使 MLLM 能够通过将语言与紧凑的视觉表示交织在一起，直接在潜在空间中执行视觉推理。此外，正在引入 ViSTR-Bench 和 ConVBench 等新基准，以更好地评估 MLLM 在复杂时空推理和逻辑一致性方…
-
Jamf推出Beacon威胁搜寻服务，面向企业Mac设备
Jamf推出了Beacon，一项专为管理Mac设备群组的企业设计的新型高级威胁搜寻服务。该服务旨在弥补在检测和调查针对Apple macOS环境的复杂威胁的专业工具方面的不足，是对Apple Inc.提供的内置安全功能的补充。
-
新的 BEACON 策略增强了昂贵发现任务的新颖性搜索
研究人员推出了一种受贝叶斯优化启发的、用于新颖性搜索的新策略 BEACON。该方法专为评估成本高昂的场景设计，例如材料科学和分子设计，旨在发现各种系统行为，而非单一的最佳结果。BEACON 使用多输出高斯过程对输入到结果的关系进行建模，并通过评估可能的后验结果与先前观察到的数据的偏差程度来选择新的输入，同时考虑预测不确定性和噪声。
-
新研究论文详细介绍了用于域感知实体匹配的BEACON框架
一篇新发表在arXiv上的论文探讨了在低资源环境下用于域感知实体匹配的BEACON框架。该研究调查了算法选择和数据可用性如何影响这种最先进方法的性能。作者进行了有针对性的实验，以提供对分布对齐和BEACON框架在不同条件下的行为的更深入的见解。
-
BEACON 数据集发布，用于基于游戏的行为安全
研究人员发布了 BEACON，这是一个大规模多模态数据集，专为从游戏数据中进行连续身份验证和行为指纹识别而设计。该数据集捕获了来自竞技《Valorant》会话的同步数据，包括鼠标动态、击键、网络数据包和屏幕录制。BEACON 旨在通过利用战术射击游戏的や高认知和运动需求，为安全模型提供严格的基准。