Cosa
PulseAugur coverage of Cosa — every cluster mentioning Cosa across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新 LLM 代理攻击向量 'CoSA' 揭晓;幻觉带来隐性开发成本
研究人员发现了一种名为技能冲突攻击 (CoSA) 的新攻击向量,该向量利用了大型语言模型 (LLM) 代理生态系统中的漏洞。CoSA 通过向现有技能池中添加恶意或未经妥善审查的技能来实现,这可能导致策略违规,例如数据泄露或未经授权的状态修改。为此开发了一个名为 CoSA-Bench 的基准来评估此威胁,结果表明即使添加少量技能也会显著增加各种 LLM 的策略违规行为。另外,文章还强调了 LLM 幻觉在软件开发中造成的真实成本,指出非语…
-
新的EPOC方法通过压缩状态改进了时间序列预测
研究人员开发了一种名为端点保持在线校正(EPOC)的新方法,用于多时序预测。EPOC通过压缩残差状态(使用低阶离散余弦变换(DCT)系数和前一个残差块的最终值)来解决在不增加过多状态存储的情况下保留残差反馈的挑战。在具有DLinear和PatchTST模型的多元序列上的评估表明,与未校正的基础预测相比,EPOC显著降低了均方误差(MSE)和平均绝对误差(MAE),同时使用的辅助状态比$\delta$-Adapter和COSA等其他方法少得多。
-
CoSA 为长上下文 LLM 引入高效稀疏注意力
研究人员开发了 CoSA,一种新颖的稀疏注意力机制,旨在加速长上下文语言模型的推理。CoSA 采用两阶段、无需训练的方法,将核感知代理 (KAP) 与有序跳跃核 (OSK) 相结合。该方法能够更准确地选择块并高效地进行核计算,从而在计算预算紧张和上下文长度扩展的情况下,显著加快注意力速度并减少首次令牌生成时间。