实体
Bo Peng
Bo Peng
PulseAugur coverage of Bo Peng — every cluster mentioning Bo Peng 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的神经架构 CauScale 实现了规模化高效因果发现
研究人员开发了 CauScale，这是一种新颖的神经架构，旨在克服现有因果发现方法应用于大规模图时的效率限制。CauScale 采用数据压缩单元和绑定的注意力权重，显著提高了时间和空间效率，能够对多达 1000 个节点的图进行推理。该架构采用双流设计，结合了用于关系证据提取的数据流和用于整合统计先验和结构信号的图流。这种方法使 CauScale 能够实现高精度，在分布内数据上达到 99.6% 的 mAP，在分布外数据上达到 84.4%…
-
新的GradNorm框架增强了语言辅助图像聚类
研究人员开发了一个名为GradNorm的新型基于梯度的框架，以改进语言辅助图像聚类。该方法在理论上保证了积极名词（在真实类别名称不可用时准确聚类图像至关重要的名词）更好的可分离性。实验表明，GradNorm在各种基准测试中优于现有的过滤策略，并取得了最先进的聚类性能。
-
新研究推动AI系统的分布外检测能力
研究人员正在探索机器学习中分布外（OOD）检测的新颖方法，这是确保AI在实际应用中可靠性的关键任务。新论文提出了自适应置信度OE（AOE）等技术，该技术使用温度缩放重新校准异常值标签，以更好地区分分布内和分布外数据。另一种方法ConjNorm通过优化范数系数来重新构建OOD检测的密度估计，并使用蒙特卡洛方法进行可处理的配分函数估计，在基准测试中取得了最先进的结果。一项比较研究还表明，在特定场景下，传统的机器学习方法在OOD检测方面可能…