Crumb
PulseAugur coverage of Crumb — every cluster mentioning Crumb across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
AutoIndex 学习文档表示程序以提升检索性能
研究人员推出 AutoIndex，一个旨在学习可执行文档表示转换的新颖框架。该系统在索引前优化文档预处理，超越了传统的固定方法。AutoIndex 在检索任务中表现出显著的改进，在各种基准测试中提高了召回率和 nDCG 分数。
-
新系统Crumb确保了对AI代理行为的人为问责
一个名为Crumb的新系统已被开发出来，以解决将AI代理的行为归因于特定人类用户这一挑战，这是欧盟《人工智能法案》强制要求的。目前的日志记录实践通常只记录代理的行为，而不记录启动它的用户，这对于问责制和监管合规性来说是不够的。Crumb通过在代理的推理过程之外，用用户会话中经过验证的人类身份标记每一个代理行为，从而创建一个安全、可审计的跟踪记录。
-
身份验证系统必须动态获取密钥，而不是固定静态密钥
作者讨论了验证数字身份令牌时遇到的挑战，特别是当身份提供商 (IdP) 的签名密钥被轮换时。最初，作者手动固定了静态公钥，但当 Okta、Keycloak 和 Auth0 等 IdP 更新其密钥时，这种方法失败了。标准的 OpenID Connect (OIDC) 协议通过允许验证者从发行者发布的 JWKS（JSON Web 密钥集）端点动态获取密钥来提供解决方案。这种方法不是固定静态密钥，而是固定受信任的发行者，并在需要时获取他们当…
-
通过令牌附加（token stapling）解决跨公司AI代理身份追踪问题
代表人类用户操作的AI代理在与不同公司系统交互时，可能会模糊用户的身份。标准的令牌交换协议在经过多个身份提供商时，通常会丢弃原始的身份验证证明，导致审计人员无法将操作追溯到原始人类用户。提出的解决方案“令牌附加”（stapling）涉及将上游令牌的签名携带在新令牌内，从而实现可验证的端到端审计，而无需信任中间系统。
-
Crumb系统在公司AI代理交互中保留了人类审计追踪记录
一种名为Crumb的新方法已被开发出来，以应对在不同公司之间追踪AI代理操作的人类责任的挑战。当一家公司的AI代理与另一家公司的工具或系统交互时，当前的系统难以维护清晰的审计追踪记录，常常丢失与原始人类用户的联系。Crumb的解决方案包括将第一家公司发出的原始身份令牌“钉入”第二家公司发出的新令牌中，从而保留了可验证的人类授权链。
-
新系统Crumb记录AI代理行为的人为责任
一个名为Crumb的新系统已被开发出来，以解决将AI代理行为归因于特定人类用户这一挑战，这是欧盟AI法案等法规强制要求的。目前的日志记录实践通常依赖于共享服务账户或API密钥，这无法识别AI行为背后的人类操作员。Crumb通过拦截工具调用，从用户会话中验证用户身份，并创建一个短暂的委托令牌，将用户、代理和正在访问的特定资源联系起来。然后使用此令牌调用工具，并存储整个委托链的加密签名记录，从而确保即使在多个代理参与一个流程时也能实现问责。
-
CRUMB 通过上下文批处理提高 PFN 推理效率
研究人员开发了 CRUMB，这是一种新颖的推理包装器，旨在提高先验拟合网络 (PFN) 的效率。PFN 是强大的表格基础模型，可以执行上下文学习，但其自注意力机制会导致大型数据集的计算成本高昂的推理。CRUMB 通过聚类测试查询、使用 MMD 最小化选择分布匹配的训练子集，然后在这些缩减的批次上执行推理来解决这个问题。该方法与架构无关，在 TabArena 基准测试上显示出优于现有上下文选择策略的性能，并且对协变量漂移具有鲁棒性。