Determinantal point process
PulseAugur coverage of Determinantal point process — every cluster mentioning Determinantal point process across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LLM 代理获得面向多样性的技能路由框架
研究人员推出了一种名为 Diverse Skill Routing (DSR) 的新框架，旨在改进大型语言模型 (LLM) 代理选择和利用外部技能的方式。与仅根据查询相关性对技能进行排名的现有方法不同，DSR 采用行列式点过程来平衡相关性与技能互补性。这种方法旨在避免在冗余技能上浪费上下文，并为复杂任务更好地选择互补技能。DSR 在 SkillRouter 基准测试中展示了改进的召回率和覆盖率，尤其是在需要多种技能的查询方面。
-
新的LLM代理技能路由方法提高了效率和多样性
研究人员开发了新的方法，使LLM代理能够更有效地选择和利用外部技能。一种名为Gavel的方法使用冻结的LLM，仅通过训练两个线性映射来引发本地技能路由，然后可以识别正确的技能，而无需在上下文中包含其元数据。与添加大量外部参数的流水线相比，该方法在基准测试中表现出优越的性能。另一种方法，多样化技能路由（DSR），通过使用行列式点过程来平衡相关性和非冗余性，解决了冗余技能的问题，提高了召回率和覆盖率，尤其是在需要多种技能的复杂查询方面。
-
AI驱动的图书推荐器利用封面图提供建议
一位软件工程师开发了一个名为 By-Its-Cover 的图书推荐系统，该系统利用 AI 根据书籍封面进行推荐。该系统采用 CLIP 嵌入技术，既能对书籍封面进行语义搜索，又能通过协同过滤模型提供个性化推荐。用户可以通过搜索书籍或通过评分提供反馈与系统互动，这些反馈会异步地将新书籍添加到数据库并优化个性化推荐。
-
HELENA框架通过新颖的协调增强多智能体系统
研究人员推出HELENA，一个新颖的多智能体系统框架，旨在通过整合不同的推理路径并抑制噪声来增强分析能力。HELENA使用蒙特卡洛树搜索和行列式点过程选择互补拓扑，构建一个复合图。然后，一个分层稀疏协调模块仅激活必要的子图，通过压缩的潜在摘要抑制冗余信息。实验表明，HELENA在八个基准测试中取得了最先进的成果，包括在MMLU-Pro上显著的平均提升。
-
3DZip 框架将 3D VLM 令牌减少 97%，提升推理速度
研究人员开发了 3DZip，一个新颖的三阶段框架，旨在压缩 3D 视觉语言模型 (3D VLM) 的令牌。该方法解决了 3D VLM 中每场景通常产生的数千个令牌所带来的显著计算和内存开销。通过采用粗粒度体素化、使用行列式点过程的特征空间多样性选择以及空间约束合并，3DZip 在保持几何一致性的同时有效地减少了令牌数量。实验表明，3DZip 仅用 128 个令牌即可保持 94.7% 的原始性能，在 3D 问答基准测试中推理速度提高了 …
-
新的SEP-Attack方法增强了可迁移的对抗性文本攻击
研究人员推出了一种名为SEP-Attack的新方法，用于生成可迁移到不同模型的对抗性文本攻击。该方法利用行列式点过程（Determinantal Point Process）创建多样化的集成权重，从而提高子模型可迁移性的表示。SEP-Attack还采用了一种新的预测置信度评估指标，以更好地估计词语重要性并生成对抗性候选词，在多个数据集和真实世界API上的表现优于现有方法。