Capa
PulseAugur coverage of Capa — every cluster mentioning Capa across labs, papers, and developer communities, ranked by signal.
-
新型LLM架构使代理能够参加在线会议
研究人员开发了CAPA（Collaborative Agent Predictive Architecture，协作代理预测架构），这是一个旨在使大型语言模型（LLM）更有效地参与在线会议的新颖系统。目前的仅提示代理在关键时刻常常保持沉默，错失超过一半的发言机会。CAPA通过更新会议状态、预测对话流程以及智能决定何时以及贡献什么来解决这个问题，同时保持参与者的风格化声音。评估显示，CAPA将沉默率从51.4%显著降低到2.5%，并使已…
-
新的CAPA基准测试评估AI代码助手跨会话歧义适应性
研究人员推出了CAPA，这是一个新的基准测试，旨在评估AI代码助手在不同会话中适应重复出现的个性化歧义的能力。与孤立地处理歧义的现有方法不同，CAPA侧重于利用用户过去已解决的会话来告知和解决新会话中类似的歧义，从而减少重复澄清的需要。该基准测试包含600个编码会话，并在可执行成功率和首轮成功率等指标上评估了12个最新的大型语言模型。
-
新的CAPA基准测试评估AI代码助手对用户歧义的适应性
研究人员推出了一项名为CAPA的新基准测试，旨在评估AI代码助手在不同会话中适应用户请求中反复出现的个性化歧义的能力。CAPA将六种类型的歧义注入编码任务中，创建了一个包含600个会话的数据集来测试LLM。该基准测试根据模型在提供用户过往会话历史记录时生成正确代码、首次尝试成功以及最小化澄清次数的能力来评估模型。
-
新的主动学习方法增强表格提取管道
研究人员已将一种名为不确定性群集（Uncertainty Herding, UHerding）的主动学习策略应用于表格提取中使用的级联目标检测管道。此举旨在减轻昂贵的标注负担，特别是对于表格结构识别（Table Structure Recognition, TSR）。提出的扩展方法 RankFusion 和 CAPA，通过结合双流形覆盖和具有不确定性校准的阶段依赖门控，利用表格检测（Table Detection, TD）和 TSR …