Elsa
PulseAugur coverage of Elsa — every cluster mentioning Elsa across labs, papers, and developer communities, ranked by signal.
-
FDA实现85%员工采用新AI平台
美国食品药品监督管理局（FDA）成功推出了其企业级AI平台ELSA，在两个月内实现了16,000名员工中85%的采用率。该平台基于Databricks的Halo基础构建，并利用Unity Catalog进行治理，整合了来自八个先前孤立中心的的数据。员工现在不仅使用ELSA进行基本查询，还用它来构建自定义AI代理，自动化工作流程，并将研究时间从几天缩短到几分钟。
-
新框架将Android恶意软件检测中的安全回归率减半
研究人员在Android恶意软件检测的持续学习中发现并量化了一个关键问题，称为“安全回归”。当模型先前可以检测到的恶意软件样本在更新后即使模型平均性能有所提高，但却逃避了检测时，就会发生这种现象。实验显示，高达3-6%的恶意软件样本会出现安全回归。为了解决这个问题，开发了一个新的回归感知框架，通过正向一致性训练（PCT）实现。该方法在各种持续学习场景中有效地将安全回归率减半，同时保持了长期的强大检测性能。
-
FDA 在实时人工智能临床试验方面领先制药行业
FDA 已成功实施了一个实时临床试验数据系统，能够立即审查患者安全信号。这一转变是由名为 Elsa 的人工智能助手的快速、全机构采用所推动的，该助手显著缩短了 FDA 员工的任务完成时间。这项举措以及新的人工智能治理原则，标志着生命科学监管格局正朝着持续的、数据原生的运营模式转变，促使制药行业迫切需要加速自身的人工智能整合。
-
ELSA架构实现弹性推理，助力高效神经形态计算
研究人员推出ELSA，一种旨在提高脉冲神经网络（SNN）在神经形态计算中效率的新型架构。ELSA通过实现真正的弹性推理，克服了现有加速器的局限性，允许数据在流经系统时逐步生成输出。与当前的SNN和量化ANN加速器相比，这种细粒度的、逐令牌的流水线显著降低了延迟并提高了能效。
-
新方法QFlash和ELSA提升Vision Transformer的注意力效率
研究人员开发了两种新方法来提高vision transformer中注意力机制的效率。QFlash专注于为FlashAttention实现纯整数运算，在某些模型上实现了显著的加速和能耗降低，而没有精度损失。另一方面，ELSA重新构建了注意力机制，以在实数运算中保留精确的softmax语义，在各种平台和精度上提供硬件无关的性能提升和内存减少。