Dex
PulseAugur coverage of Dex — every cluster mentioning Dex across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究发现：AI 模型在未见过的任务上会陷入“泛化陷阱”
本文详细介绍了多奖励强化学习基准测试的第二部分，重点关注不同算法在未见过的任务上的表现。该研究在去中心化交易所套利环境中，使用 Qwen3-14B 模型测试了包括 CISPO 和 DAPO 在内的七种强化学习算法。结果显示，尽管 CISPO 获得了很高的训练奖励，但其在冻结测试任务上的表现与未经训练的基线模型相比显著下降，突显了潜在的“泛化陷阱”，即训练指标可能具有误导性。
-
集成 Claude 与 dbt 并使用 Dex 技能的指南
本文解释了如何使用 Dex 技能将大型语言模型 Claude 与 dbt（数据构建工具）集成。文章强调，代理技能不应仅仅是简单的 markdown 文件，并建议在数据环境中使用时采取更稳健的方法以确保安全有效。作者提倡采用特定方法，在 Claude 于 dbt 中运行时为其提供必要的上下文和护栏。
-
新方法使视觉模型适应鱼眼相机
研究人员开发了一种名为 Distortion Extenders (DEX) 的方法，用于将现有的视觉基础模型适配到鱼眼相机。这些模型通常在标准透视图像上训练，当应用于鱼眼图像时，由于径向畸变，结果往往不准确。DEX 引入了可学习的参数，用于模拟鱼眼畸变系数以及鱼眼和透视图像嵌入之间的分布变化。通过最小化自监督对齐损失，DEX 转换鱼眼图像嵌入以匹配透视图像的嵌入，从而恢复单目深度估计和开放词汇分割等任务的高保真估计。该方法与架构无关…
-
新框架发现区块链数据中的持久行为模式
研究人员开发了一个新的框架，用于分析区块链活动以识别持久的行为模式，这有助于法证调查。该系统从交易中构建“行为句子”，并使用嵌入来捕捉个体行为者和用户随时间的行为。在以太坊数据上的评估表明，该框架能够揭示日常活动（如DEX交易和NFT使用）以及恶意行为（如网络钓鱼、机器人操作和Rug-pull计划）。识别出的模式在不同的观察期内保持稳定，从而能够检测长期行为。
-
新的 LLM 解码方法提高了准确性和效率
两篇新的研究论文提出了改进大型语言模型 (LLM) 解码效率和准确性的新方法。第一种方法，Draft-Conditioned Constrained Decoding (DCCD)，通过将语义规划与结构强制执行分离来解决生成 JSON 或 API 调用等结构化输出的挑战，从而在严格的结构化准确性方面取得了显著改进。第二种方法，Depth Exploration Decoding (DEX)，通过并行探索多个中间层深度来优化自回归解码过…
-
Hashlock Markets 详细介绍了 AI 代理透明交易量计算方法
Hashlock Markets 详细介绍了其计算交易量的方法，以确保透明度和可审计性，特别是对于在去中心化交易所进行交易的 AI 代理。该公司强调，只有已结算的提款（资金已实际在各方之间转移）才会被计入交易量。这不包括已退款或已锁定但未领取的交易、链下报价以及协议费用。Hashlock 还通过提供可用于去重的数据来解决跨链交易固有的重复计算问题，使其交易量指标对自主分配者来说是可靠的。
-
三星 DeX 在为期一周的智能手机实验中几乎取代笔记本电脑
一位科技爱好者尝试在一周内用三星 Galaxy S26 及其 DeX 桌面环境替代其主要电脑。该实验旨在评估智能手机驱动的设置在日常生产力方面的可行性。虽然并非完全是灾难，但这次经历表明 DeX 提供了一个引人注目的、虽然尚未完美的笔记本电脑替代方案。
-
三星下一代Galaxy Book可能采用铝合金操作系统并深度整合AI
三星据报道正计划对其下一代Galaxy Book笔记本电脑系列进行重大改革。泄露信息表明将转向“铝合金操作系统”并整合One UI 9，暗示着一个更统一的三星生态系统。新款笔记本电脑预计还将配备增强的Galaxy AI功能和改进的DeX体验，旨在弥合移动和桌面环境之间的差距。