Grace
PulseAugur coverage of Grace — every cluster mentioning Grace across labs, papers, and developer communities, ranked by signal.
- 2026-05-22 research_milestone Publication of a new framework for efficient LLM activation steering. 来源
6 天有情绪数据
-
AMD准备推出采用专用SB1插槽的新款EPYC Verano AI主机CPU
据报道，AMD正在开发一款专为AI服务器设计的新款EPYC Verano CPU，计划于2027年下半年发布。该处理器将采用一种新的、更小的SB1插槽，这使其区别于使用SP7或SP8插槽的其他Zen 6 EPYC CPU。Verano CPU旨在作为主机处理器，协调AI加速器的工作负载，而不是专注于通用性能，并将配备多达72个Zen 6核心和24通道LPDDR5X内存子系统。
-
肯尼亚难民以微薄报酬驱动人工智能数据任务 · 跟踪到1个来源
肯尼亚卡库马营地的难民从事着不稳定的数字劳动，常常为人工智能公司工作，报酬越来越少且不透明。像格蕾丝这样的人使用ChatGPT等工具进行研究任务，但她们获得的不是有保障的工资，而是潜在的“酌情奖励”，而且这些奖励的确定方式几乎不透明。培训难民从事技术外包的组织对这些日益不透明的工作安排表示担忧，并指出似乎只有科技公司从中受益。
-
新框架利用双重学习提升图神经网络的OOD泛化能力
研究人员开发了两种新颖的框架：Co-Train 和 Dual-Space Retrieval，以增强图神经网络（GNNs）的分布外（OOD）泛化能力。这些方法利用了监督学习和自监督学习（SSL）表示的互补信号，以提高在图分布发生变化时的节点分类准确性。Co-Train 在训练期间整合这些表示，而 Dual-Space Retrieval 在推理时结合预测。跨各种 GNN 架构和 SSL 目标的实验表明，与纯粹的监督 OOD 基线相比，…
-
新方法无需重新训练即可估计目标检测不确定性
研究人员开发了一种新的方法，可以在无需重新训练或架构更改的情况下估计目标检测模型中的不确定性。这种名为 GRACE 的事后证据元模型通过分析与定位相关的特征并使用显著性引导的修改来学习识别目标定位何时不确定。该系统结合了定位误差、修改级别和预测不稳定性来指导元模型，然后元模型估计每个边界框的不确定性。GRACE 在检测对抗性攻击方面表现出显著的改进，同时保持了分布内性能。
-
研究发现：AI知识编辑压制而非抹去原始事实
一项新的研究论文探讨了即使在知识编辑程序之后，原始信息在AI模型中仍然存在的现象。该研究在GPT-2 XL上进行了三种不同的编辑方法（ROME、GRACE和约束微调），发现即使模型行为上反映了编辑后的信息，原始事实仍然可以高精度地从模型的隐藏状态中解码出来。值得注意的是，GRACE编辑器不修改基础模型权重，但仍然显示出原始事实的残留痕迹，这表明编辑主要是压制而非抹去知识。
-
GRACE系统使用更少摄像头增强多视角行人跟踪
研究人员开发了GRACE，一种新的摄像头高效多视角行人跟踪系统，旨在通过使用更少的摄像头来降低部署成本。GRACE包含三个关键组件：用于组合不同视角特征的体积引导融合（Volumetric-Guided Fusion），用于告知融合网络摄像头视角方向的光线条件（Ray Conditioning），以及仅使用低置信度检测来扩展现有跟踪而非启动新跟踪的BEV跟踪恢复（BEV Track Recovery, BTR）。在使用两个WildTr…
-
新的GRACE模型提高了分子碰撞截面预测精度
研究人员开发了GRACE（Geometric Residual Adduct Conditioning via Early-fusion），一种用于预测分子注释碰撞截面（CCS）的新型机器学习模型。与以往将加合物身份视为后期特征或忽略3D结构的方法不同，GRACE在编码过程早期就整合了加合物信息。这种方法包括残差学习和带有注意力适配器的学习加合物标记，显著提高了各种泛化分割的预测精度，并在外部测试集上优于现有的基于物理的工作流程。
-
新研究解决了扩散模型的安全性和数据生成问题
研究人员正在开发先进的技术来提高扩散模型的安全性和实用性。一种方法，".ours"，专注于生成合成表格数据，该数据不仅匹配真实数据分布，而且还遵循语义约束，使用LLM辅助提取先验。另一个研究领域涉及文本到图像扩散模型中的概念擦除，诸如动态语义引导（DSS）和GRACE等方法旨在抑制敏感内容（例如，不适宜内容、受版权保护的材料），同时保持整体生成质量和语义一致性。一项相关研究引入了一个认证框架来严格评估概念遗忘，对残余泄露提供超越传统经…
-
新的GRACE架构增强了面向目标的AI对话
研究人员开发了一种名为GRACE（面向目标的检索增强对话引擎）的新型架构，旨在改进面向目标的对话式AI系统。该架构集成了符号推理与检索增强生成，以管理能够推进业务目标同时保持用户效用的复杂对话。该系统在真实对话模拟中已证明了在状态转换和证据召回方面的高准确性。
-
行星架构整合韧性与进步
本文讨论了韧性与进步在行星架构中的整合，强调了“优雅”和“递归反思”的作用。它提出了在混乱中建立韧性的问题，涉及普适伦理、政治动态和自我调整。
-
新的GRACE框架将LLM的声明与知识图谱相结合
研究人员开发了GRACE，一个旨在提高大型语言模型可靠性的新框架，尤其适用于高风险应用。GRACE将LLM的响应分解为单独的声明，并将其与知识图谱进行比对，评估其依据和不确定性。这种方法不仅能识别幻觉，还能发现新颖或有争议的信息。该系统根据“注意力回报”目标优先处理需要专家审查的声明，确保人力资源得到有效分配，以验证最有价值的边界知识。经过验证的声明将被整合回知识库，形成一个迭代循环，以实现知识的持续扩展和检索性能的提升。
-
英伟达将 NVLink Fusion IP 授权给竞争对手，巩固其在人工智能硬件领域的统治地位
英伟达正通过将其 NVLink Fusion 互连技术授权给其他芯片设计公司，来扩大其在人工智能硬件市场的影响力。MediaTek、Amazon、Fujitsu、Qualcomm、Arm 和 Marvell 等公司正在将这项技术集成到他们定制的人工智能加速器（XPUs）中。这一策略使这些公司能够专注于开发自己的芯片，同时利用英伟达成熟的高速网络 IP，从而降低其系统设计的复杂性。作为回报，英伟达则通过授权费获利，并继续销售其 GPU、…
-
新研究探索先进的机器学习遗忘技术 · 追踪4个来源
研究人员正在开发新的机器学习遗忘方法，即从AI模型中移除特定数据或知识的过程。一种名为源无关类别遗忘审计（SFRA）的方法，专注于在无法访问原始训练数据的情况下，利用合成探针和置信度过滤来恢复已遗忘类别的模型。另一种方法，CONfession-to-Forget-Set（CONFS），通过构建与模型对齐的遗忘集来解决大型语言模型（LLMs）中的遗忘集不对齐问题，以提高隐私性和可用性。此外，GRACE（梯度引导核心集选择）解决了从有限示…
-
New GRaCE framework generates interpretable graph and rank-based embeddings
研究人员推出了一种新颖的无监督框架 GRaCE，用于生成可解释的基于图和基于排名的上下文嵌入。该方法建立在 RaDE（排名扩散嵌入）方法的基础上，通过结合用于代表性子集选择和节点嵌入的鲁棒排名度量。GRaCE 在包括文本和图像集合在内的各种数据集上，与 RaDE 和原始特征相比，在检索、分类和聚类任务中表现出优越的性能。
-
Nvidia 详解用于 Agentic AI 工作负载的 88 核 Vera CPU
在 Hot Chips 2026 上，Nvidia 详细介绍了其即将推出的 Vera CPU，重点介绍了其 88 核设计和定制的 Olympus 核心架构。该 CPU 采用新颖的空间多线程实现和高达 1.2 TB/s 的高带宽内存子系统。Nvidia 声称 Vera 针对 Agentic AI 工作负载进行了优化，在 Web 浏览和 Linux 内核编译等任务中展示了优于 AMD EPYC 9655P 的性能优势。
-
新的VQA系统增强文档理解和教育推理能力
研究人员开发了两种新的多模态视觉问答（VQA）系统方法。第一种，Q-Guide，使用一个小代理通过确定缺少哪些信息，然后调用目标工具来检索信息，从而智能地获取证据，在DocVQA2026和Manga109数据集上表现优于现有方法。第二种，GRACE，通过使用教学状态线索来专门化轻量级语言和视觉适应，专注于教育VQA，提高了在ScienceQA基准测试上的准确性。
-
AI框架利用卫星数据在加纳检测地下水异常
研究人员开发了一个无监督机器学习框架，利用GRACE卫星数据在加纳检测地下水储量异常。该研究分析了2004年至2024年的地下水变异性，确定了12个异常月份，包括显著的赤字和盈余。研究结果表明，早期存在持续的地下水赤字，随后正异常增加，空间差异显示加纳北部赤字更频繁，南部盈余更多。这种方法为地下水数据有限的地区的地下水监测提供了一种实用的方法。
-
GRACE框架使用LLM进行可扩展混合数据聚类
研究人员推出GRACE，一个旨在提高混合数据类型聚类可扩展性和准确性的新框架。GRACE利用大型语言模型（LLM）来锚定属性值的语义表示，创建一个统一的度量空间，连接数值和类别数据。该方法通过一次性锚定策略将昂贵的LLM计算与迭代优化分离开来，并使用数据集内部统计数据交叉验证外部语义。与11种其他方法相比，GRACE在聚类准确性和可解释性方面表现更优，同时保持了传统基线的可扩展性。
-
GRACE系统通过生成式推荐器加速实时广告检索
一篇新的研究论文介绍GRACE，一个旨在加速生成式推荐器以进行实时广告检索的系统。GRACE通过实现生成式目标匹配（GTM）来改进广告定位，并优化编码器-解码器Transformer以降低延迟和成本，从而解决了资格和计算方面的挑战。该系统在NVIDIA GH200硬件上实现了显著的性能提升，将交叉注意力延迟降低了高达68倍，并将整体解码器延迟降低了11.1倍。
-
新框架和库推动复杂时间序列因果发现
两篇新研究论文介绍了用于复杂时间序列因果发现的先进方法。第一篇论文提出了一个新颖的框架，在Transformer架构中使用反向因果自注意力机制来识别潜在和间接的因果关系，在各种数据集上表现优于现有方法。第二篇论文提出了Causal-TS，一个开源Python库，整合了多种因果发现算法，并包含处理非平稳数据和结构性断裂的功能，旨在为因果效应估计提供端到端流程。