CBD
PulseAugur coverage of CBD — every cluster mentioning CBD across labs, papers, and developer communities, ranked by signal.
-
AI模型利用汽车数据预测悉尼高风险驾驶热点
一篇新的研究论文探讨了如何利用联网汽车数据主动识别和预测澳大利亚大悉尼地区高风险驾驶热点。该研究通过硬刹车、急加速和转弯的阈值来量化危险驾驶行为，并创建时空热力图来 pinpoint 高风险区域。研究人员对八种预测模型进行了基准测试，发现 ARIMA 等传统时间序列方法在数据量有限的情况下，其表现与 LSTM 等深度学习模型相当。研究结果表明，基于物联网的汽车数据可以支持有针对性的道路安全干预措施，其中悉尼中央商务区、帕拉玛塔和班克斯…
-
美国大麻使用激增，超过酒精，健康风险增加
美国规律性使用大麻的现象显著增加，已超过每日饮酒量。现代大麻产品因THC含量更高、CBD含量更低而效力更强，可能加剧其影响。这种使用量的增加与健康问题有关，例如大麻性呕吐综合征，会导致严重的周期性呕吐，以及大麻使用障碍，其特征是依赖性和戒断症状，如易怒、焦虑和睡眠障碍。
-
新的DSINet框架改进了域增量变化检测
研究人员推出了一种新颖的域增量变化检测框架——双选择增量网络（DSINet）。该方法利用Mamba的选择机制，在一个选择性空间状态单元（S3U）中，跨不同地理域保持稳定的空间变化表示。DSINet还采用了一种浓度平衡蒸馏（CBD）策略，以确保在增量更新过程中可靠的知识转移，防止过平滑等问题。该框架旨在缓解长域序列中的知识退化，同时保持状态空间模型特有的计算效率。
-
新的仅API LLM遗忘框架解决了数据移除挑战
研究人员开发了一个名为受控行为分歧（CBD）的新框架，以解决从仅通过API访问的大型语言模型（LLM）中遗忘数据的挑战。CBD使用辅助模型在保留数据和目标数据之间创建分歧，将其转换为遗忘分数，以将不需要的提示从LLM中路由出去。该方法旨在在有效移除敏感或过时信息的同时，保持模型的效用，即使目标数据和保留数据具有相似的结构。