Deco
PulseAugur coverage of Deco — every cluster mentioning Deco across labs, papers, and developer communities, ranked by signal.
- 2026-05-11 research_milestone A new paper introduces the DECO sparse Mixture-of-Experts architecture. 来源
1 天有情绪数据
-
新方法生成合成工业异常数据以改进检测
两篇新研究论文UniScale和DeCo，引入了在工业环境中生成合成异常数据的新方法。UniScale采用了一种误差抑制多尺度训练策略和一种生成后去噪方法，以生成任意尺度的、高保真的异常样本，从而提高下游检测性能。DeCo通过将异常结构与其源产品解耦，然后将其与目标产品纹理重新耦合，采用零样本方法，并结合产品兼容性校正来提高融合精度。这两种方法都旨在解决工业异常检测面临的重大挑战——真实世界异常数据稀缺的问题。
-
新型 DECO 模型通过触觉传感推进双臂机器人操作
研究人员推出了一种新颖的解耦多模态扩散 Transformer 模型 DECO，专为双臂灵巧操作而设计。该系统通过专门的条件通路有效地整合了视觉、本体感觉和触觉信号。与 DECO 模型一同发布的还有 DECO-50 数据集，该数据集包含在真实双臂机器人上收集的 50 小时双臂操作任务数据。DECO 在真实世界评估中表现出色，平均成功率为 72.25%，在使用轻量级触觉适配器后，成功率进一步提高了 10.25%。
-
新研究优化稀疏专家混合模型以实现高效的LLM扩展
研究人员正在探索优化稀疏专家混合（SMoE）模型的新方法，这对于高效扩展大型语言模型至关重要。一篇论文揭示了路由器和专家之间的几何耦合，表明匹配的方向会累积相似的路由令牌历史，并且辅助负载均衡损失会破坏这种结构。另一项研究系统地分析了超过2000次预训练运行，以优化专家数量和粒度等设计选择，发现这些因素比共享专家或负载均衡机制等其他因素影响更大。第三篇论文介绍了DECO，一种专为端侧设备设计的SMoE架构，它以显著更少的激活参数匹配密…
-
Deco框架使用LLM和AR为物理对象创建数字具身
研究人员开发了Deco，一个通过同步数字具身与用户物理对象来创建AI伴侣的框架。该系统使用大型语言模型和增强现实技术，以增强人们与毛绒玩具等实体物品的情感联系。研究表明，与标准的数字伴侣相比，Deco增强了感知到的陪伴感和情感联系，用户表现出持续的参与度和改善的幸福感。