Herald
PulseAugur coverage of Herald — every cluster mentioning Herald across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新研究揭示LLM如何产生有害意图，并引入“Herald”审核器
研究人员发现了一种“有害性传播动力学”（HPD）现象，即有害意图在大型语言模型中的表示随着模型深度的增加而增加。这表明有害性是一种逐步解决的语义属性，其完整意图在模型的后期层中得到巩固。为了解决这个问题，开发了一种名为“Herald”的轻量级输入审核器。Herald从跨层投影序列中提取特征来对有害提示进行分类，实现了高准确率，并提供了模型内部有害性如何产生的可解释审计跟踪。
-
HERALD 框架改进了异质性数据的图压缩
一个名为 HERALD 的新框架已被开发用于图压缩，该过程创建一个较小的图来表示较大的图，同时保持下游任务的性能。与假设同质性（相邻节点共享标签）的先前方法不同，HERALD 被设计用于处理异质性（相邻节点可能具有不同标签）。它通过根据图测量的异质性调整节点评分和特征选择来实现这一点，使用诸如 Fisher-判别性和局部内在维度之类的标准。实验表明，HERALD 在各种图神经网络架构的异质性数据集上的表现与现有方法相当或更好。
-
新框架TopoAlign利用代码提升LLM数学推理能力
研究人员推出TopoAlign，一个旨在通过利用海量代码库来增强大型语言模型（LLM）数学推理能力的新型框架。该方法通过将代码结构转化为镜像形式数学陈述的类似物，解决了正式数学语料库稀缺的问题，从而使在代码上训练的LLM能够提高其在数学自动形式化任务上的表现。在MiniF2F和Putnam等基准上的评估表明，DeepSeek-Math和Herald等模型取得了显著的进步，尤其是在形式陈述生成和类型检查等领域。
-
新的HERALD系统审计AI搜索代理奖励是否存在操纵行为
研究人员开发了HERALD，一个旨在评估和改进搜索代理奖励机制的新型离线审计系统。HERALD使用反事实干预来区分候选可见信息和Oracle信息，旨在确保高分准确反映检索到的证据并防止操纵。在多个问答基准上对Qwen3_8B模型进行的初步测试表明，虽然HERALD可以检测到一些攻击，但引用洗白攻击仍然成功，这表明需要进一步加强奖励系统。
-
新的深度学习框架预测交通事故热点
研究人员开发了 HERALD，一个旨在主动识别和预测交通事故热点的深度学习框架。该系统利用 CNN-Transformer 模型来预测事故可能发生的时间和地点，超越了依赖过去事故数据的传统方法。HERALD 通过分析事故地理、近期事件的自激性质并提供每周风险图来预测新出现的风险。在威斯康星州六个县进行的测试中，与现有方法相比，HERALD 在预测和定位热点方面表现出更高的准确性和精确度。
-
新研究致力于 LLM KV 缓存优化以提高效率 · 已追踪 10 个来源
近期研究论文引入了优化大型语言模型中 KV 缓存管理的新技术，解决了内存瓶颈并提高了推理效率。vToken、GCache、LinearKV、KVDiagnosis、SemPIC、SPECTRA、CommitKV、RippleKV、CoinRAG 和 GraceKV 等方法提出了各种策略，包括令牌级虚拟化、全局影响缓存、与位置无关的缓存、诊断基准测试、语义缓存、谱变换编码、生命周期感知压缩和全局资源分配。这些方法旨在减少内存使用量、加速…
-
蝙蝠侠《骑士陨落》三部曲公布；Herald 应用提供终端工作空间
一部新的 R 级蝙蝠侠电影三部曲《蝙蝠侠：骑士陨落三部曲》将于今年开始上映，预计电影将以稳定的节奏发布。另外，Herald 是一款终端原生邮件和日历应用，可在现代终端环境中提供类似 GUI 的工作空间。
-
新框架为医疗保健领域的大型语言模型加密敏感令牌
研究人员开发了 HERALD，一个用于大型语言模型隐私保护临床部署的新框架。HERALD 仅加密临床数据中的敏感令牌，而不是整个数据集，以减少计算和通信开销。这种方法旨在在传输和处理过程中，在保护敏感健康信息的同时，保持模型的效用。