实体
GeoGR
GeoGR
PulseAugur coverage of GeoGR — every cluster mentioning GeoGR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
GeoGR框架通过令牌压缩和路由提升3D VLM效率
研究人员开发了GeoGR，一个旨在提高3D视觉语言模型（VLMs）效率的新型框架。GeoGR采用两阶段方法：GeoSemZip通过整合冗余观测和优先考虑语义显著性来压缩多视图3D场景表示，而GroupRoute通过允许低相关性令牌跳过层并稍后重新加入来优化LLM计算。该方法显著加速了LLM预填充速度，在LLaVA-OneVision-7B和Video-3D LLM-7B等基准测试中，性能保持了原始模型的95%以上，速度提升高达6.8倍。
-
新算法有望提升推荐系统分数的速度和准确性
研究人员开发了两种新算法，ASC和K-ASC，旨在高效计算大规模推荐系统的摇摆分数。这些算法解决了现有方法计算成本过高或依赖于牺牲质量的启发式方法的局限性。ASC和K-ASC对摇摆值的准确性提供了理论保证，并已在包含数十亿次交互的超大规模图等各种真实世界数据集上，与竞争方法相比，在计算时间上实现了数量级的显著加速。
-
AI模拟器通过参数高效条件化学习材料属性
研究人员为基于图的网络模拟器（GNS）开发了一种参数高效的条件化机制，以改善材料泛化能力。通过专注于微调初始的消息传递层，该模型能够以显著减少的数据量适应不同的材料属性。与传统方法相比，这种方法使GNS能够准确预测未见过或中度外推的材料参数的结果，将数据需求减少了五倍。所开发的技术还使GNS能够用于逆问题，以识别未知的材料参数。