GRID
PulseAugur coverage of GRID — every cluster mentioning GRID across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
LLM增强的MARL优化电动汽车充电系统
研究人员开发了一个新框架，该框架使用大型语言模型（LLMs）来增强多智能体强化学习（MARL），以优化电动汽车充电系统。该方法通过使LLMs能够从物联网数据中选择重要特征，并动态平衡利润、用户满意度和电网负荷等优先级，从而解决了高维状态空间和冲突目标带来的挑战。实验表明，这种统一的循环在市场效率方面显著优于现有方法，并减少了70%以上的训练时间。
-
可复现性审计揭示威胁报告知识图谱提取不一致性
一项新的研究论文检查了威胁报告知识图谱提取的可复现性，强调了系统如何将预测的三元组与黄金标注进行匹配方面存在不一致性。研究发现，声明的匹配规则只能在检查系统的一小部分中重新实现，并且在不同协议下重新评分输出会改变成对排序。一个LLM裁判在与人类裁决的一致性方面高于机械匹配器，并且开发了一个名为CTIForge的新管道来隔离组件效应，揭示了验证层根据骨干网是托管还是离线，对精度的影响不同。
-
野火和高温给美国电网带来压力，促使基础设施升级
极端高温和野火正给美国电网带来严峻挑战，迫使公用事业公司重新评估和升级其基础设施。持续的高温会降低空调、输电线路和发电厂等电网组件的效率，同时也会增加电力需求。与此同时，野火日益增长的威胁也要求关注韧性，公用事业公司正在探索地下化电力线路和实施微电网等解决方案，尽管这些升级的成本很高。
-
人工智能数据中心热潮给电网带来压力，催生新的开发框架 · 已追踪 4 个来源
人工智能数据中心的快速扩张正给电网基础设施带来严峻挑战，预计到 2030 年美国将需要 50 吉瓦的容量。一项新框架提出采用分阶段开发和模块化建设，以应对紧张的时间表，同时应对多年的互联审批和设备交货期。该方法整合了现场发电和储能，以支持增量增长并能在电网干扰期间实现离网运行。对人工智能基础设施日益增长的需求也正在重新定义数据中心的拥有权，迫使公司将投资策略与资产（如建筑物、电力系统和 GPU）的不同经济生命周期相匹配。
-
新的 GRID 引擎确保 LLM 生成企业级 SQL
研究人员开发了 GRID，这是一种新颖的解码引擎，旨在提高大型语言模型在企业环境中生成 SQL 的可靠性和安全性。GRID 采用语法约束解码，使用 LALR(1) 解析器来确保语法有效性，并在令牌级别强制执行基于角色的访问控制和模式策略。这种方法保证了健全性、完整性和终止性，即使对于长序列生成，每令牌成本也接近恒定，并提供防篡改的审计跟踪。
-
美国监管机构为AI数据中心加快电网连接
美国联邦能源监管委员会（FERC）已强制要求主要电网运营商加快AI数据中心的互联请求。该指令旨在满足这些设施日益增长的电力需求，预计到2035年，这一需求将近乎翻三番。虽然该命令为数据中心连接电网提供了更快的途径，但并未解决发电能力短缺的根本问题，数据中心将负责相关成本。
-
通用汽车为人工智能数据中心和电网稳定性开发电动汽车电池
通用汽车正在开发电池技术，以支持人工智能数据中心和更广泛的电网。该公司计划利用其电动汽车平台作为分布式电池网络。此举旨在提高电网稳定性并满足人工智能基础设施日益增长的需求。
-
Replit 在 10 分钟内实现由 12 个 Google Drive 组成的 AI 员工中心
一位名叫 Luca 的开发者使用 Replit AI 开发平台创建了一个名为 Grid 的工具。Grid 将对十二个不同 Google Drive 账户的访问整合到一个单一界面中。这个由 AI 驱动的员工中心可以回答有关公司政策和其他内部信息的问题，据报道仅用十分钟就构建完成。
-
扩散模型生成类图规则以进行知识图谱推理
研究人员开发了 GRiD，一个用于生成类图规则以进行知识图谱推理的新框架。传统方法由于计算挑战和对更简单结构的关注，在处理复杂的类图规则时遇到困难。GRiD 将规则发现视为一个离散生成过程，通过监督预训练和强化学习来优化规则质量，从而解决了这个问题。