Designer Agent
PulseAugur coverage of Designer Agent — every cluster mentioning Designer Agent across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AutoBCI框架自动化基于脑电图的脑机接口架构发现
研究人员开发了AutoBCI，一个代理框架，旨在自动化用于脑电图脑机接口的神经网络架构的发现和选择。该系统采用一个设计者代理（Designer Agent）来生成和优化各种脑电图任务的架构，以及一个预测者代理（Forecaster Agent），它使用早期训练数据预测验证性能。在对14个脑电图数据集的评估中，AutoBCI在使用Claude Opus 5.5时，平均测试平衡准确率为64.16%，略优于最强的基线。与基线方法相比，预测者…
-
ATLAS 框架为 GitHub 软件仓库创建分层分类法
研究人员开发了 ATLAS，一个旨在自动为 GitHub 上的软件仓库创建分层分类法的新框架。与当前的扁平化 GitHub Topics 系统不同，ATLAS 旨在提供更结构化、更全面的项目分类。该系统使用一个 Designer Agent 来提出拆分维度，一个 Classifier Agent 来分配仓库，并通过一个自我纠正循环来根据分类失败情况优化这些维度。ATLAS 在构建分类法质量和实现高效仓库发现方面表现出卓越的性能，揭示了…
-
SceneSmith 使用 AI 代理生成多样化的 3D 训练场景
SceneSmith 开发了一个系统，该系统利用三个独立的代理——设计师、评论员和编排者——来生成多样化的 3D 训练场景。这种方法解决了模拟到现实迁移中以前的瓶颈，该瓶颈不受物理限制，而是受场景多样性不足的限制。该系统有效地将合成世界变成了可提示的训练数据源，供 AI 模型使用。
-
新的ATLAS框架为GitHub软件生态系统创建了分层分类法
研究人员开发了ATLAS，一个旨在为GitHub上的软件存储库创建分层分类法的新框架。与当前的扁平化GitHub Topics系统不同，ATLAS结合了LLM知识和存储库数据来构建一个端到端的分类系统。该框架采用一个Designer Agent来提出拆分维度，以及一个Classifier Agent来分配存储库，并包含一个自我纠正循环来优化这些维度。ATLAS在构建高质量分类法和改进存储库发现方面显著优于现有方法。