PulseAugur
中
实时 06:53:18
实体 execution

execution

PulseAugur coverage of execution — every cluster mentioning execution across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_282519 ·

    新的基准 PRIM 探查 LLM 数学推理能力,ABSO RB 框架提供修复方案

    一项新的研究论文介绍了 PRIM,这是一个旨在评估大型语言模型在四个维度上的数学推理能力的基准:发现、生成、消化和执行。研究发现,尽管 LLM 表现强劲,但其潜在的结构性数学理解常常被解决方案的准确性所掩盖,“发现”是一个重要的瓶颈。为了解决这个问题,研究人员开发了 ABSOR B,一个通过选择性地将原始要素引导的推理转移到学生模型中来提高数学推理能力的自蒸馏框架。

  2. RESEARCH · CL_273846 ·

    新的基准和工具揭示了LLM的数学推理差距和新颖的联系

    研究人员开发了新的方法来评估和改进大型语言模型(LLM)的数学推理能力。一种称为“数学原语”(Mathematical Primitive)的方法引入了一个基准,用于评估数学理解的不同维度,如发现、生成、消化和执行,揭示发现是关键瓶颈。另一个系统LANTERN使用模型激活来有效地识别大型数据集中新颖的数学联系,成功地发现了序列之间先前未知的关系。

  3. TOOL · CL_244597 ·

    AI数据代理需要超越RBAC的语义授权,以防止推理漏洞

    传统的基于角色的访问控制(RBAC)对于企业数据代理来说是不够的,因为AI系统可以从授权数据中推断出敏感信息。这种“推理差距”意味着,即使用户无法直接访问员工薪资等敏感列,AI代理仍然可以通过组合授权数据(如部门成本和员工数量)来推断出这些信息。为了解决这个问题,提出了一种名为语义授权的新方法,该方法允许策略理解和管理业务概念,而不仅仅是数据库对象。这确保了授权在SQL生成和执行之前,在推理和上下文检索阶段得到应用,以防止未经授权的信息泄露。

  4. TOOL · CL_151628 ·

    AI 开发工具优先考虑可验证证据而非速度

    作者花了四个月时间开发了一个 AI 开发工具,用于构建可发货的产品,强调对代理生成的工作进行可验证的证据和人工监督。该系统采用五角色循环(策略、执行、批评、评估、运维),使用更强大的模型来执行判断角色,使用更便宜的模型来执行任务,所有这些都由人类操作员指导的编排层进行管理。一个关键特性是冷启动的独立批评者门控,它在没有先前上下文的情况下审查工作,确保在执行不可逆操作(如提交到 Git)之前进行客观评估,而这些操作始终需要明确的人工批准。

  5. RESEARCH · CL_84786 ·

    LLM 代理需要安全的代码沙箱和高效的令牌管理

    第一篇文章讨论了在代理系统中对大型语言模型 (LLM) 执行的代码进行沙箱处理的关键需求。它强调了运行 LLM 生成的代码的风险,这些代码可能存在缺陷或恶意,并探讨了沙箱作为代码执行安全隔离环境的概念。第二篇文章侧重于 LLM 代理中的令牌优化,认为对于处理多项任务的代理来说,有效地管理上下文窗口正变得与模型选择或提示质量同等重要。