Calm
PulseAugur coverage of Calm — every cluster mentioning Calm across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的 CALM 安全机制通过局部校正改进文本到图像安全性
研究人员推出了一种名为 CALM（Counterfactual Adaptive Local Modulation，反事实自适应局部调制）的新型无需训练的安全机制，旨在提高文本到图像生成模型的安全性。与应用广泛的全局安全信号的现有方法不同，CALM 专注于提示局部反事实校正。这种方法仅识别并微调提示中违反规定的 token 表示，从而减少不安全内容，同时更好地保留良性提示的效用。该方法展示了一种比全局不安全信号移除更具选择性的替代方案…
-
新的LLM后训练方法增强了启发式设计
研究人员开发了一种用于自动启发式设计（AHD）的大型语言模型（LLM）在线后训练新方法。该方法在一个新论文中详细介绍，侧重于从程序有效性和性能分数构建上下文相关的学习信号来更新LLM生成器。与之前保持生成器冻结的方法不同，该技术允许模型从评估的候选者那里学习，旨在提高有用启发式的生成。
-
新的大语言模型训练方法增强了启发式设计能力
研究人员开发了一种名为在线后训练的新方法，用于改进用于自动启发式设计（AHD）的大型语言模型（LLM）。与传统的保持生成器模型静态的AHD系统不同，这种方法根据LLM生成的启发式的性能来更新模型。该系统名为EvoTune，使用带有可验证奖励的强化学习（RLVR）来创建一个反馈循环，其中评估的候选者不仅指导搜索，还为LLM提供训练信号。该方法侧重于从程序有效性和任务性能构建上下文相关的学习信号，旨在超越简单地累积搜索状态来增强LLM的启…
-
CALM 方法通过类一致性改进去中心化联邦学习
研究人员推出了一种新颖的去中心化联邦学习方法 CALM，该方法可提高模型性能，尤其是在非独立同分布（non-IID）数据条件下。与依赖参数平均且需要相同客户端架构的传统方法不同，CALM 采用去中心化联邦蒸馏。此方法允许客户端从同伴模型快照中提取知识，无需中央服务器或共享架构。CALM 进一步通过引入三级信任门来优化此过程：基于一致性的类加权、基于教师发散的样本加权以及基于真实标签支持调整蒸馏强度的标签门。在 CIFAR-10 和 S…
-
亿万富翁建议Z世代寻求股权而非薪资以实现财富增长
亿万富翁、Voyager Technologies创始人Dylan Taylor建议Z世代在协商工作机会时，优先考虑股权而非薪资。Taylor在27岁时成为百万富翁，他认为股权是长期财富积累的关键，而非固定收入。他建议，即使是科技公司的初级员工也可以协商股权，这能给雇主留下深刻印象，并将员工的成功与公司的增长挂钩。Taylor还提倡采用哑铃式投资策略，平衡安全投资与高风险、高回报资产。
-
新的CALM框架训练LLM以适应各种推理控制器
研究人员开发了CALM，一个旨在提高大型语言模型（LLM）对各种推理时控制器适应性的训练后框架。与之前为单一交互模式进行优化的方法不同，CALM将控制器直接集成到训练循环中。这种多任务强化学习方法通过在控制器诱导的交互协议上进行训练，使LLM能够更好地泛化到各种工作流程，包括思维链（Chain-of-Thought）、自洽性（self-consistency）和验证流程（verification pipelines）。
-
CALM 模型根据情绪和脏话准确评估说话者可信度
一项研究预览表明，CALM 模型在评估说话者可信度方面表现出色，尤其是在情绪激动或辱骂性情况下。该模型之所以有效，是因为它能够分析说话者的情绪和脏话使用情况，这符合攻击性语言会降低感知可信度的原则。
-
新的CALM方法对齐RCT和观察性数据以改进治疗效果估计
研究人员开发了CALM（Calibrated ALignment under covariate Mismatch，协变量失配下的校准对齐）方法，这是一种通过对齐随机对照试验（RCT）和观察性研究（OS）的数据来改进治疗效果估计的新方法。CALM学习嵌入，将来自不同来源的特征映射到公共空间，从而允许使用RCT数据校准OS结果模型。该方法旨在减少方差并增强对效应异质性的检测，尤其是在非线性场景下。该方法已通过线性和神经网络（CALM-L…
-
新研究探索秩序编码以改进稀疏分布式内存
一篇新研究论文提出将秩序N选M编码作为稀疏分布式内存（SDM）系统的现有方法的替代方案，旨在提高大型语言模型在持续学习方面的能力。该研究验证了该架构的重新实现，并证明在容量实验中，RankOrderSDM的性能优于StandardSDM。此外，该研究将表示和学习效应分开，表明显著的鲁棒性提升主要归因于秩序编码与MAX-Hebbian学习的相互作用。
-
新的CALM框架连接来自不同数据集的脑成像和遗传学信息
研究人员开发了一个名为CALM的新框架，旨在揭示脑成像数据和遗传信息之间的可解释关联，即使这些数据集来自完全不同的群体。CALM通过使用线性投影将两种模态对齐到一个共享的潜在空间来实现这一点。这些投影不仅匹配数据分布，还确保了群体可分离性，从而产生了遗传通路与大脑区域之间可解释的联系。当应用于自闭症谱系障碍时，CALM识别出特定皮质区域与免疫/代谢通路之间的联系，这与现有的科学文献一致。
-
用户寻求帮助实现Calm TTS论文，面临语音克隆问题
一位用户正在寻求有关实现研究论文中描述的Calm文本到语音模型的帮助。他们在复制模型性能方面遇到了困难，在生成有意义的文本和实现准确的语音克隆方面遇到了问题。用户尝试了各种技术，包括计划采样和调整数据条件，但面临诸如梯度爆炸以及文本质量与语音保真度之间的权衡等挑战。他们正在寻求关于如何进行的建议，是重新审视论文、增加数据集大小，还是解决潜在的系统设计缺陷。
-
Amazon Echo 智能音箱新增面向儿童的 Sleep Studio 功能
Amazon 为其 Echo 和 Echo Kids 智能音箱推出了一项名为 Sleep Studio 的新功能。该功能旨在帮助儿童养成更健康的睡眠习惯。Echo Glow 可以编程以显示特定的灯光模式，向儿童发出何时该睡觉或何时可以起床的信号。
-
CalM基础模型推动钙成像分析
研究人员开发了CalM，一个用于分析神经科学中钙成像数据的自监督基础模型。该模型使用了一种新颖的预训练框架，包括用于离散词汇映射的分词器和用于捕获神经和时间数据依赖性的Transformer架构。与监督模型相比，CalM在预测神经种群动态方面表现出强大的性能，在行为解码任务中取得了优越的结果，同时还揭示了其表示中可解释的功能结构。
-
Tony Robbins 联合创办 AI 疗法应用，获 1430 万美元融资
由励志演说家 Tony Robbins 联合创办的新型 AI 心理健康应用 The Path 已获得 1430 万美元的种子轮融资。该应用旨在为消费者提供比聊天机器人更安全、更个性化的心理健康支持替代方案。据报道，其 AI 模型基于开源基础进行训练，并针对治疗性互动进行了专门的后期训练，在心理健康安全基准测试中取得了高分。