Elf
PulseAugur coverage of Elf — every cluster mentioning Elf across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新研究发现连续扩散语言模型过度重复文本，提出ACE修复方案
一篇新发表在arXiv上的研究论文指出了连续扩散语言模型（如ELF）的一个关键缺陷，即低困惑度得分因过度重复而具有误导性。研究发现，与人类生成的内容相比，这些模型会显著重复文本，而困惑度指标无意中奖励了这种行为。研究人员提出了一种名为ACE（Attractor-Contrast-Escape）的一维修复方法，该方法从自条件反馈循环中减去一个特定方向，将重复减少到接近人类水平，同时保持了具有竞争力的质量并提高了计算效率。
-
新的嵌入式语言流模型增强语言生成
研究人员推出了一种新型的用于语言生成扩散模型——嵌入式语言流（ELF）。与之前主要在离散标记上操作的模型不同，ELF在嵌入空间中保持连续表示，直到最后一步才映射到离散标记。这种方法可以更容易地借鉴图像扩散模型的技巧，例如无分类器引导。实验表明，ELF在生成质量和采样效率方面均优于现有的离散和连续语言模型。
-
新方法避免分词以保留语言模型信息
一篇新论文提出了一种改进语言模型的方法，通过避免使用离散 token 时发生的信息丢失。所提出的方法称为 ELF，完全在连续嵌入空间中运行，无需分词。通过保留通常被丢弃的更精细的细节，这可能导致更细致、更准确的语言生成。
-
新型心电图-语言模型简化解读流程
研究人员开发了ELF，一种新型的无编码器心电图-语言模型家族，用于自动解读心电图。与通常依赖复杂预训练心电图编码器的现有心电图-语言模型相比，这些模型简化了架构和训练过程。尽管设计更简单，ELF模型在两个数据集上已显示出具有竞争力或更优越的性能。
-
研究人员为 Linux ELF 二进制文件开发新的对抗性恶意软件生成器
研究人员开发了一种专门针对 Linux ELF 二进制文件生成对抗性恶意软件的新颖方法。通过进行语义保持变换，该新生成器在 MalConv 分类器上实现了 67.74% 的规避率。研究发现，整合通常在良性文件中发现的字符串是绕过检测最有效的策略，这表明该分类器对可执行文件中字符串的放置很敏感。