PulseAugur
中
实时 00:03:31
实体 cogwheel

cogwheel

PulseAugur coverage of cogwheel — every cluster mentioning cogwheel across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
8
90 天内 14
发布 · 30天
0
90 天内 0
论文 · 30天
5
90 天内 9
层级分布 · 90 天
主题
情绪 · 30 天

7 天有情绪数据

最近 · 第 1/1 页 · 共 14 条
  1. TOOL · CL_363688 ·

    拥有10个AI代理的开源COG项目在GitHub上趋势榜

    开源COG项目利用10个AI代理和V模型验证生命周期,在GitHub上获得了显著关注,达到趋势状态,获得超过1486颗星。然而,该项目的声明目前是自行报告的,尚未经过独立测试。

  2. TOOL · CL_359357 ·

    AI 模型在 Kaggle Titanic 竞赛中表现不佳,但新工作流显示出希望

    使用 Codex 和 Astra AI 模型在 Kaggle Titanic 数据集上的实验结果令人失望,模型在一小时内仅达到 72.96% 的准确率。即使明确指导使用 XGBoost 并延长了时间,准确率也仅达到 77.27%。然而,通过采用 Gear 工作流来演进 Astra 的 DSH 约束,准确率显著提高到 79.90%,平均每次候选运行的执行时间约为 13 分钟。

  3. TOOL · CL_344395 ·

    GEAR 方法优化 LoRA 秩以提高微调效率

    研究人员推出了一种新方法 GEAR,用于优化 LoRA(低秩适应)参数高效微调中的秩。与之前关注容量分配的方法不同,GEAR 解决了当前适应空间是否足以应对给定任务的问题。通过分析因子梯度的**一阶信息边界**,GEAR 提出了秩演化的几何视图,通过**法向奇异方向**识别最优秩扩展。GEAR 应用于语言和视觉基准测试,在可训练参数显著减少的情况下表现出卓越的性能,特别是将 LLaMA3-8B 的常识分数从 86.61 提高到 88.…

  4. TOOL · CL_333920 ·

    新框架'Gear'旨在通过类似scikit-learn的接口简化RLHF

    一个名为Gear的新开源框架已被开发出来,以应对来自人类反馈的强化学习(RLHF)中的挑战,特别关注采样、评估和多样性。受元学习的启发,Gear旨在提供一个“RLHF的scikit-learn”,使其更容易实现和比较各种方法。使用GPT 5.6 Luna进行的初步测试显示,在多个基准测试的任务通过率方面有了显著改进,在目标完成率方面取得了显著增长,并且与其他模型相比,API成本大幅降低。

  5. TOOL · CL_326489 ·

    新的GEAR框架跨平台生成多智能体AI代码

    一篇新的arXiv论文介绍了一个名为GEAR的框架,该框架旨在从单一的特征规范生成跨不同平台的多智能体AI系统的代码。这种方法旨在解决框架锁定问题,即在LangGraph、CrewAI或AutoGen等系统之间切换需要大量重写代码。GEAR允许用户定义智能体角色、编排策略、通信协议和推理方法,然后将其转换为所选框架的可运行代码,尽管它指出由于最低公分母的限制可能存在局限性。

  6. TOOL · CL_325229 ·

    新工具GEAR简化了多智能体系统的配置和代码生成

    研究人员开发了GEAR,一个开源工具,旨在简化多智能体系统(MAS)的配置和代码生成。GEAR利用基于特征的表示来明确配置选项及其约束,允许开发人员在生成特定于框架的实现之前验证规范。GEAR提供了十种不同Agentic框架的连接器,使用户能够从单一规范创建项目,并提供关于特定于框架的适应性报告。初步评估表明,将特征映射到框架的可行性很高,支持开发人员进行原型设计和研究人员探索MAS配置。

  7. RESEARCH · CL_321936 ·

    J-Comm 框架通过 Jacobian 指导实现 LLM 代理的有效通信

    研究人员推出 J-Comm,一个旨在增强大型语言模型(LLM)代理之间潜在通信的新框架。J-Comm 利用无需训练的几何一致性推理(GEAR)组件来优化 token 候选,以及一个 H+J(隐藏层和 Jacobian)通信接口。该接口为接收模型提供连续的反馈分布和中间状态的 Jacobian 提示,从而在无需共享键值缓存或相同模型宽度的情况下实现更有效的推理。在涉及 Qwen3-8B 和 Qwen3-4B 模型的测试中,J-Comm …

  8. TOOL · CL_273622 ·

    抖音广告部署GEAR实现生成式端到端广告检索

    研究人员开发了GEAR,一个新颖的端到端框架,旨在克服生成式广告检索系统中的关键瓶颈。该框架解决了表示崩溃和项目冲突问题,这些问题阻碍了大规模推荐系统的稳定适应和精确性。GEAR通过联合优化分词器、生成器和重排器来实现这一点,并采用了BasisVQ等创新技术来实现稳定的码本参数化,以及上下文条件重排头来消除项目歧义。该系统目前已部署在抖音广告上,服务于数亿日活跃用户,并在在线A/B测试中取得了显著的改进。

  9. TOOL · CL_269416 ·

    新的GEAR框架使用几何学实现视频生成中的高效视觉记忆

    研究人员开发了GEAR(Geometry-Enabled Attention Routing)框架,该框架专为长时视频生成而设计。这种方法使用几何学作为视觉记忆的显式地址,从而能够更高效、更准确地恢复先前观察到的内容。与将场景重构为持久3D记忆的方法不同,GEAR使用逐帧几何来建立令牌级别的对应关系,避免了累积的几何误差。该框架结合了几何对应注意力(GCA)来选择性地注入相关的历史特征,以及一个不可见八叉树来过滤掉被遮挡的对应关系,在…

  10. TOOL · CL_254290 ·

    新的GEAR模型动态激活社会背景以改进轨迹预测

    研究人员开发了GEAR,一种新颖的人类轨迹预测模型,通过关注社会背景如何在未来轨迹生成过程中被激活来解决现有方法的局限性。与主要强调社会信息编码的先前方法不同,GEAR在每个未来步骤中动态调整个体运动和社会互动线索的贡献。这使得模型能够根据互动证据的强度和可靠性更好地控制社会因素的贡献,从而在基准数据集上获得改进的性能。

  11. RESEARCH · CL_203068 ·

    新研究揭示表格基础模型的惊人泛化能力

    新研究探讨了表格基础模型(TFMs)惊人的泛化能力,表明即使在单个真实表格上进行自监督预训练,也能实现强大的迁移学习。研究表明,TFMs的有用性更多地取决于任务和特征的数量和质量,而不是实例的数量。一篇论文提出了GEAR,一个两阶段的蒸馏框架,用于从TFMs创建轻量级、高效的预测器以进行生产部署,显著降低了延迟和内存成本,同时保持了高性能。另一项分析检查了TFMs在生产环境中的实际应用,测试了Google的TabFM在企业任务中的表现。

  12. TOOL · CL_194347 ·

    作者将COG知识系统与Claude Code集成

    作者详细介绍了将32项技能的知识系统COG与Claude Code集成的经验。这个过程涉及将COG设置为“第二大脑”,以增强Claude的功能。文章探讨了这次集成所面临的挑战和获得的见解,重点关注该系统的自我信任机制是如何受到考验的。

  13. COMMENTARY · CL_143005 ·

    AI伦理探讨反身循环与证明责任

    本文讨论了“反身循环”的概念及其与人工智能和认知演化中证明责任的关系。文章质疑改变主意是智慧还是软弱的标志,并将其置于辩证推理过程的框架内。文章还涉及了扩展假说和对称测试。

  14. RESEARCH · CL_115311 ·

    新的自回归模型应对视频生成挑战 · 跟踪 8 个来源

    研究人员正在开发新方法来改进自回归视频生成,解决时间不一致和交互失败等问题。事件驱动视频生成 (EVD) 引入了显式的事件信号来指导采样器,从而提高动态和空间准确性。GEAR(引导式端到端自回归)联合训练分词器和生成器,以实现更快的收敛和更好的特征连贯性。Drift-AR 通过利用预测熵来加速自回归和扩散阶段,从而实现单步解码。TempAct 使用规划器-执行器强化学习框架来增强时间合理性和指令遵循能力,而“Directing the…