Core Recommendations for Antifungal Stewardship: A Statement of the Mycoses Study Group Education and Research Consortium
PulseAugur coverage of Core Recommendations for Antifungal Stewardship: A Statement of the Mycoses Study Group Education and Research Consortium — every cluster mentioning Core Recommendations for Antifungal Stewardship: A Statement of the Mycoses Study Group Education and Research Consortium across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
MiCo方法通过减少视觉标记来优化MLLM推理
研究人员开发了MiCo，一种新颖的无需训练的方法，通过减少处理的视觉标记数量来优化多模态大语言模型（MLLM）的推理。MiCo采用两阶段剪枝方法，基于语义擦除建模和任务感知子集选择来选择代表性的视觉标记。该方法在各种MLLM和基准测试中始终优于现有技术，在保持高性能的同时显著提高了推理速度。例如，MiCo将LLaVA-NEXT-13B的视觉标记减少到5.6%，实现了3.8倍的加速，而性能仅下降2.5%。
-
新方法可检测AI模型中的隐藏学习效应
研究人员开发了一种名为SALVE（Search-Aided Latent Verbalization）的新方法，用于检测和描述AI模型中的“潜意识学习效应”。这种现象发生在蒸馏数据集将教师模型的特征转移，但这些特征并未被明确编码时，给开发带来挑战，并存在数据投毒的风险。SALVE通过优化一个软提示，利用模型对其进行表述，并采用束搜索来提高可靠性，成功恢复了可读的提示，识别出教师的特征，这与其他文本优化方法不同。
-
新研究探讨预测推理中的容许几何学
一篇题为“Bayes with No Shame: Admissibility Geometries of Predictive Inference”的新研究论文已发布在arXiv上。该论文由Daniel Zantedeschi撰写，探讨了现代预测系统中的四种与标准相关的几何学，包括Blackwell风险支配、随时有效的容许性、固定水平边际覆盖和基于选择的可接近性。它在这些不同的预测系统类型之间建立了成对不嵌套关系，并分析了各种相干性…
-
\k{appa}-LoRA 通过定位关键矩阵将 LoRA 微调成本减半 · arXiv 研究
研究人员推出了一种新颖的高效神经网络微调方法 \k{appa}-LoRA，该方法显著降低了计算成本。该技术发现并非所有 LoRA 矩阵对适应的贡献都相等，条件数较大的矩阵带来了大部分性能提升。通过仅选择性地更新条件数最高的矩阵，\k{appa}-LoRA 可以将可训练参数数量减半，从而在保持准确性的同时减少微调时间和内存使用量。
-
Sat2City v2 从卫星图像生成3D城市资产
研究人员推出了Sat2City v2，这是一个从单一卫星图像生成3D城市资产的先进框架。新版本通过调整一个预训练的3D基础模型以处理弱对齐的卫星图像和纹理网格，改进了其前代产品。Sat2City v2 使用了超过16,000个卫星-网格对的真实世界数据集，并专注于创建显式的纹理网格资产，而不仅仅是渲染代理，在几何和外观基准测试中取得了卓越的性能。