Bloom filter
PulseAugur coverage of Bloom filter — every cluster mentioning Bloom filter across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的布隆过滤器方法提高了机器学习的内存效率
研究人员开发了一种称为熵戳孔布隆过滤器的新方法，以创建更节省内存的机器学习模型表示。该技术涉及从标准的布隆过滤器编码中移除低变异性位位置，从而在保持预测准确性的同时减小表示大小。该方法在各种机器学习模型的回归任务上进行了评估，并展示了与现有压缩方法相当的性能，提供了显著的存储节省。
-
Key-space C3系统存在缺陷；提出Bloom过滤器修复方案
一篇技术文章探讨了Key-space C3系统的局限性，该系统是一个旨在管理代理操作中参照可玩性的Bloom过滤器。实验显示，当代理选择一个看似合理但错误的密钥时，C3会错误地通过50%的错误密钥解析。使用DeepSeek-V4 Flash模型进行的进一步测试表明，在解析模糊需求方面的准确率仅为17%。文章提出通过修改C3来验证整个密钥空间而非单个密钥，确保在写入操作后检查所有相关密钥，从而进行修复。
-
稀疏PPMI图平均法提升随机索引嵌入效果
本文介绍了一种通过在稀疏正点互信息（PPMI）图上进行平均来改进随机索引（RI）嵌入的方法。该技术在童话语料库上，针对与Google家族类别相关的语义类比问题，准确率显著从19.4%提升至30.7%。然而，该方法在text8和SimLex-999等其他数据集上并未优于神经基线模型，甚至降低了某些其他嵌入类型的准确率。
-
GRACE系统通过生成式推荐器加速实时广告检索
一篇新的研究论文介绍GRACE，一个旨在加速生成式推荐器以进行实时广告检索的系统。GRACE通过实现生成式目标匹配（GTM）来改进广告定位，并优化编码器-解码器Transformer以降低延迟和成本，从而解决了资格和计算方面的挑战。该系统在NVIDIA GH200硬件上实现了显著的性能提升，将交叉注意力延迟降低了高达68倍，并将整体解码器延迟降低了11.1倍。
-
新框架应对低自相关二元序列问题
研究人员开发了一种新颖的混合搜索框架来应对复杂的低自相关二元序列问题（LABS）。这种新方法集成了汤普森采样和并行无自相遇行走，能够自适应地在不同搜索空间分区之间分配计算资源。该框架通过 GPU 并行化、共享后验更新、高效邻域评估以及用于防止循环的 Bloom 过滤器得到进一步增强。实验表明，该方法在众多序列长度上均优于现有结果，包括一个优值因子超过 8.0 的新最长序列。