generalized linear model
PulseAugur coverage of generalized linear model — every cluster mentioning generalized linear model across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架支持在广义线性专家模型中进行特征选择
研究人员开发了一种新的正则化最大似然框架，用于估计参数和在广义线性专家混合模型中进行特征选择。该方法适用于高斯、泊松和多项式响应，使用 L1 惩罚来诱导门控网络和专家中的稀疏性。该方法使用近端牛顿-EM 算法进行优化，该算法避免了矩阵求逆和阈值处理，产生了精确的稀疏估计，并在模拟和真实数据集上展示了具有竞争力的或更优的预测和聚类准确性。
-
百度提出DAA指标，在2026创造大会上推出DuMate AI智能体
百度在2026创造大会上推出AI时代新指标“日活跃智能体”（DAA），由CEO李彦宏提出，旨在衡量活跃工作并产生结果的AI智能体数量，预计全球可能超过100亿。大会以“自我进化”为主题，展示了如DuMate等新的AI智能体产品，DuMate能处理单一指令下的多项任务，以及代码生成智能体Miaoda。百度还详细介绍了其AI云基础设施的进展，包括对AI硬件公司的支持以及国内昆仑芯片在金融领域的部署。
-
AI工具为规范驱动开发正式化规范
多种AI工具正在涌现，以支持规范驱动开发（SDD），这是一种优先考虑结构化规范而非直接代码生成的开发方法。AWS Kiro和GitHub Spec Kit等工具在实施前指导开发人员完成正式的需求和设计阶段。这些平台旨在确保代码与预期功能一致，解决了AI生成代码偏离项目需求的问题。
-
ChinaWH API 为全球开发者简化了对中国大语言模型的访问
中国境外的开发者现在可以通过ChinaWH API更轻松地访问DeepSeek、Qwen和GLM等强大的中国大语言模型。该服务提供了一个与OpenAI兼容的API网关，简化了国际用户之前在文档、认证和API格式方面遇到的集成挑战。ChinaWH API还消除了对中国手机号码的需求，并支持国际支付，使得这些先进模型可用于各种AI应用。
-
机器学习模型揭示地理数据可改善保险索赔预测
研究人员开发了一种方法，即使在位置数据有限的情况下，也能将地理信息纳入车险索赔预测模型。通过利用来自 OpenStreetMap 和 CORINE Land Cover 的环境数据，以及来自卫星图像的视觉特征，他们提高了区域级索赔频率模型的准确性。研究发现，在 5 公里尺度上结合坐标和环境特征对线性和基于树的模型都最有益，这表明地理背景的表征比模型复杂度更重要。
-
中国AI实验室发布前沿模型Qwen 3.5、GLM 5和MiniMax 2.5
多家中国AI实验室发布了新的旗舰开源模型，包括Qwen 3.5、GLM 5和MiniMax 2.5。这些发布标志着这些组织在AI发展前沿的重大推进。文章还介绍了一个名为相对采用指标（RAM）的新指标，用于跟踪模型在其各自规模类别内的下载和采用率。
-
阿里巴巴的Qwen3.5-397B-A17B模型提供多模态能力和高效推理
阿里巴巴发布了Qwen3.5-397B-A17B，这是一个开放权重、原生多模态模型，采用混合注意力机制和稀疏专家混合（Mixture-of-Experts）架构。该模型支持201种语言，并在视觉任务方面相比前代产品有了显著改进。尽管模型体量庞大，社区的努力已使其能够在消费级硬件上高效本地部署，但API定价也引发了一些批评。