Gist
PulseAugur coverage of Gist — every cluster mentioning Gist across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新研究通过新颖的监督和评估方法推进表格基础模型 · 跟踪3 个来源
三篇新研究论文介绍了表格基础模型 (TFM) 的进展。GIST 提出了一种使用生成器状态的新颖监督技术，以减少 TFM 预训练中的采样变异性，并在基准测试中显示出改进的性能。TabReliBench 提供了一个新的基准，用于评估 TFM 在预测准确性之外的可靠性，揭示了排名会因指标而异，并且集成模型并未持续提高校准性。TabMF 提出了一个框架，将预训练的 TFM 作为数据集编码器重新利用，在数据集检索和分布偏移评估等任务中取得了优异的成果。
-
七种向量数据库性能基准测试
一篇新的研究论文对包括 FAISS、Qdrant、Milvus、Weaviate、Chroma、pgvector 和 LanceDB 在内的七种主流向量数据库系统进行了全面的实证评估。该研究分析了六个不同数据集上的超过 400 万个向量，衡量了检索质量、查询延迟、吞吐量和资源利用率。主要发现表明，FAISS 提供了最高的单节点吞吐量，Weaviate 提供了出色的召回率，Qdrant 在完整数据库中提供了最佳延迟，而 LanceDB …
-
Faster by Design: Interactive Aerodynamics via Neural Surrogates Trained on Expert-Validated CFD
研究人员开发了一种新的基于图的神经算子，称为 Gauge-Invariant Spectral Transformer (GIST)，旨在加速赛车设计的空气动力学模拟。该模型在一个由专家验证的高保真赛车空气动力学数据集上进行训练，解决了先前在简单形状上训练的 AI 模型的局限性。GIST 展现了最先进的准确性，并有潜力在工业赛车工作流程中实现交互式设计空间探索。
-
Google Research 发布 GIST 算法，用于优化机器学习数据子集选择
Google Research 推出了 GIST，这是一种旨在优化机器学习数据子集选择的新型算法。GIST 解决了平衡数据多样性和实用性的挑战，确保所选数据点既具有信息量又无冗余。该算法通过将问题转化为图上的最大独立集问题来实现这一点，提供了对解决方案质量的可证明保证，并优于现有基准。