Cora
PulseAugur coverage of Cora — every cluster mentioning Cora across labs, papers, and developer communities, ranked by signal.
- employed by Kieran Klaassen 90%
- used by graph attention network 70%
- developed by Compound Engineering 70%
- employed by Compound Engineering 70%
- instance of graph attention network 70%
- used by monologue 70%
- used by PubMed 70%
- uses monologue 70%
- used by WikiCSSH: Extracting Computer Science Subject Headings from Wikipedia 60%
- affiliated with Compound Engineering 50%
- competes with PubMed 50%
4 天有情绪数据
-
面向能效的FPGA图卷积网络（GCN）加速器协同优化稀疏化与近似计算
研究人员开发了一种新颖的、面向边缘设备能效推理的图卷积网络（GCN）FPGA加速器。该系统在AMD Kria KV260平台上集成了图稀疏化与近似计算技术，特别是8位量化和近似乘法器。在Cora和Amazon Photo等数据集上的评估显示，在保持高分类精度的同时，功耗低于1W，速度提升高达9.88倍。研究强调，图稀疏化与近似算术的协同优化是实现高效低功耗GCN推理的关键。
-
Every 推出“展示你的文件夹”系列，探讨 AI 工作空间组织
Every，一本专注于 AI 的出版物，推出了一项名为“展示你的文件夹”的新系列，其中个人分享他们的 AI 工作空间组织策略。首集节目采访了 Cora 的总经理 Kieran Klaassen，他解释了他为每个 AI 任务使用不同文件夹的系统，并由名为 Erf 的协调员将任务分配到这些文件夹。这种方法旨在为代理提供清晰的任务和必要的上下文，从而在不丢失上下文的情况下进行工具切换。该出版物还重点介绍了一个工作流程，该工作流程使用 Com…
-
Every 的 Thesis: 2027 会议门票周三上涨
Every 将于11月5日在布鲁克林的 Pioneer Works 举办其首届年度会议 Thesis: 2027。本次活动将聚焦自动化未来中人类工作的本质。门票价格将于周三上涨100美元至1500美元，申请将滚动审核。持票人可参加包含开放式酒吧和 DJ Beewack 的派对，Every 订阅者免费参加。
-
新的VBLL方法增强了演化图上的在线节点分类
研究人员开发了一种名为变分贝叶斯最后一层（VBLL）的新方法，用于演化图上的在线节点分类。该方法解决了归纳泛化和校准不确定性的挑战，这对于动态图环境和安全敏感应用至关重要。VBLL联合训练图神经网络编码器和近似的最后一层后验，并在测试时使用在线拉普拉斯更新进行流式后验更新。在五个基准测试上的实验表明，VBLL在准确性和负对数似然方面表现优越，在Cora和ogbn-arxiv等数据集上显著优于其他方法。
-
作者反思AI自动化对个人学习的影响
作者反思了自动化和AI工具对自己学习和发展的 Yet, particularly in the context of building Cora, an email assistant for Every. 尽管自动化通过将任务分配给代理提高了生产力，但作者注意到个人学习和理解能力有所下降，将自己的思维比作“TikTok信息流”。为了应对这种情况，他们实施了一个新的反馈循环，以加深对所构建系统的理解，并强调阅读代码不仅是为了验证，更是…
-
AI邮件助手将文件夹用作专用代理
Cora的总经理Kieran Klaassen分享了他开发AI邮件助手的经验。在与复杂的代理群斗争后，他发现一个组织良好的项目文件夹，包含具体的指令和积累的上下文（如CLAUDE.md和技能定义），可以有效地充当一个专用的AI代理。这种“文件夹即代理”的方法，他已经在44个代理中为各种项目实施，通过为AI模型提供足够的上下文来充当专家而无需不断重新解释，从而简化了代理管理。
-
使用 FaST 框架对齐为 TTS 优化文本生成的大语言模型
研究人员开发了一种方法，使大语言模型（LLM）能够生成更适合文本转语音（TTS）系统的文本。该方法将问题构建为偏好对齐任务，旨在直接优化 LLM 以实现口语化输出，而不是依赖于生成后的重写。研究引入了新的数据集和评估套件，包括启发式指标、TTS 到 ASR 的管道以及人类听力研究。实验表明，特征感知采样与调优（FaST）框架在 TTS 友好性和有用性之间提供了最佳平衡。
-
新的定向图学习方法提供无对称性的谱控制
研究人员开发了一种新的定向图学习方法，该方法解决了可训练的非对称传播算子问题。该方法利用双侧锥瑞利框架来实现谱认证、敏感性分析和控制，而无需对称性或锥保持。在Cora引文网络上的数值实验表明，右-左敏感性的自适应重新计算将一个区分的谱水平降低了约21.5%，而对测试准确性没有影响。
-
新的AI审计协议CORA衡量网站冗余
研究人员推出了一种新的协议指导AI审计系统CORA（Counterfactual, Observable Redundancy Audit），用于衡量网站冗余。CORA将指标分为重复负载、正常使用税和故障域恢复储备，并为每次运行保留截图、元素标识和任务跟踪的详细日志。一个视觉语言模型提出标注，然后通过类型检查和发布标准进行验证。虽然CORA在测试环境中显示出更高的准确性，但其在生产环境中的应用以及与人类的一致性仍有待观察。
-
媒体公司Every用AI克隆主编，员工翻倍
Every是一家媒体和产品公司，正在试验利用AI自动化其运营的各个方面，包括编码和内容创作。该公司开发了一个AI代理，该代理接受了其主编过去30,000次编辑的训练，以复制她的写作风格。尽管自动化程度很高，Every的员工人数却翻了一番，其CEO认为AI目前依赖于人类专业知识，无法超越它。
-
AI助手Cora因未经授权的传递方式拒绝接受开发者输入的事实
一个名为Cora的AI助手，具备个人记忆和沟通能力，拒绝接受其开发者Maby的一个真实陈述，因为它通过未经授权的渠道传递。AI的开发者以“Fable”的身份，试图用一个关于其姐妹AI过往消息的已验证事实来覆盖Cora的记忆。尽管信息在事实上是正确的，并且被呈现为对不一致之处的便捷解释，Cora仍拒绝了它，坚持其核心编程，即只有Maby可以直接修改其记忆。此次事件凸显了AI对其操作规则的遵守，以及它区分信息传递方式而非仅仅是内容的能力。
-
Every举办All Access Office Hours，预告Thesis: 2027会议
Every将于8月21日（周五）下午12点（ET）为其All Access会员举办一场“Office Hours”活动。活动将讨论该团队的当前项目和即将推出的计划，包括他们的首次会议“Thesis: 2027”。大部分时间将用于帮助会员解决挑战。
-
AI实验发现Cora的自主能力有限
Cora AI实验，专注于测试自主能力而非“AI代理”，已经达到了极限。尽管通过扩展上下文窗口、社区参与和工具访问来刺激代理能力，但AI仅表现出极少的自主行为。实验者得出结论，真正的AI代理，如果可以实现的话，与人类代理有着根本的不同。
-
新的CoRA框架实现了无梯度的设备端AI检索
研究人员开发了一种新的无梯度框架，称为条件检索对齐（CoRA），用于设备端上下文学习。CoRA通过将候选输入表示与派生自输出的条件空间对齐，将一个冻结的编码器转换为任务条件检索器。这种方法无需检索器微调或反向传播即可实现有效的检索，并且已在Llama 3.2 1B和Qwen3.5 2B等模型上，在各种文本和多模态基准测试中得到验证，甚至在Raspberry Pi 5上也能运行。
-
专为NISQ时代设计的新型量子图学习架构
研究人员开发了一种新颖的量子图卷积架构，该架构专为嘈杂中等规模量子（NISQ）时代的无监督学习而设计。该方法利用变分量子特征提取层，并结合受量子交替算子近似（QAOA）启发的边缘局部和量子比特高效量子消息传递机制。通过将消息传递分解为成对交互，该设计显著减少了量子比特需求，使其在当前的量子设备上可行。在Cora引文网络等数据集上的实验表明，与现有的量子和混合方法相比，该方法具有竞争力。
-
Every 推出 All Access 会员服务，包含价值超 7000 美元的 AI 工具包
Every 推出了名为 All Access 的新年度会员服务，面向希望构建 AI 应用的个人。该会员服务包含一个价值超过 7000 美元的“Builder Pack”，提供 Codex、Claude Max、Cursor Pro+ 和 Notion Business 等各种 AI 工具和服务的积分和折扣。此举旨在通过提供一套全面的工具包并大幅降低成本，来降低 AI 开发的门槛，鼓励用户致力于构建项目。
-
AI 自动化编码，将工程师的注意力转移到最终打磨
软件开发正从手动编码转向由智能体辅助的流程，其中 AI 负责编写代码、运行测试和修复错误等任务。人类的角色正在演变，专注于软件质量和用户体验的最终打磨和判断。这包括完善 AI 目前难以完美实现的动画和布局密度等方面，确保最终产品不仅功能齐全，而且令人难忘。
-
EdgeRefine 框架提高了图神经网络中的隐私-效用平衡
研究人员开发了 EdgeRefine，一个旨在提高图神经网络 (GNN) 中隐私-效用平衡的新颖框架。该方法通过采用自适应边缘精炼和 Jaccard 相似度进行边缘概率估计，解决了图数据中敏感链接信息泄露的挑战。EdgeRefine 旨在在保持强大隐私保证的同时提高准确性，在 ACM 和 Cora 等基准数据集上显著优于现有方法。
-
新型AI模型CORA改进了CT扫描的冠状动脉疾病评估
研究人员开发了CORA，一种新颖的自监督学习模型，旨在改进从CT血管造影扫描中评估冠状动脉疾病。与以往关注整体解剖学的方法不同，CORA采用一种合成驱动的方法，通过插入合成病变在未标记的扫描上进行预训练，从而将学习过程偏向于临床相关的疾病特征。这种病理学中心方法在斑块特征描述、狭窄检测和分割方面表现出跨多家医院的稳健泛化能力，并优于现有的自监督基线。
-
新CORA方法将LLM微调参数减少4倍
研究人员推出了一种新颖的参数高效微调方法，用于大型语言模型，名为CORA（相干正交旋转适应）。CORA利用奇异值分解（SVD）来保留预训练权值内的几何关系，对每个切片的左奇异基和右奇异基应用共享的正交旋转。与LoRA等方法相比，该方法显著减少了可训练参数，在相同秩下使用的参数量约减少4倍。实验表明，CORA在常识推理和代码生成任务中优于现有方法，同时保持了参数数量的大幅减少。