Brown et al.
PulseAugur coverage of Brown et al. — every cluster mentioning Brown et al. across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
动态少样本提示可提高 LLM 示例的相关性和效率 · 跟踪 2 个来源
动态少样本提示通过从更大的池中为每个特定输入检索最相关的示例，而不是为所有查询使用固定的示例集，从而改进了静态少样本提示。此方法使用嵌入空间中的余弦相似度和 k-近邻 (kNN) 等技术，确保提供的示例与当前请求更相关，从而提高质量和令牌效率。少样本提示的成本主要是基于令牌的，每个示例都会增加每次调用的输入成本，尽管提示缓存可以减轻经常性费用。研究表明，虽然示例有助于固定输出形状、标签集和粒度，但只有可混淆案例之间的边界才真正需要正确…
-
新神经网络非线性奇异值理论揭晓
研究人员开发了一种非线性奇异值分解（NLSVD）理论，可以在不改变其输入输出行为的情况下表示大多数现代神经网络架构。这种分解将网络分解为一个左逆、保持范数的映射，然后是一个线性层，从而可以直接将嵌入距离校准到输入空间距离。该理论支持分析神经网络的新方法，包括可视化、偏差检测和成员推理鲁棒性，并通过实证研究证明了其效用。
-
AlphaEarth 和 TESSERA 嵌入在精细尺度气候区划测图方面展现出潜力
一篇新发表在 arXiv 上的研究，探讨了在瑞士使用 AlphaEarth 和 TESSERA 嵌入进行精细尺度局部气候区划（LCZ）测图的潜力。研究人员将这些嵌入与传统的 Sentinel-1/2 复合影像进行了比较，发现两种嵌入类型在使用 U-Net 架构将粗略的 LCZ 测图提升至 10 米分辨率方面都显示出有希望的潜力。在进行的实验中，TESSERA 嵌入的表现持续优于 Sentinel-1/2 和 AlphaEarth，尽管…