Hugo Garrido-Lestache Belinchon
PulseAugur coverage of Hugo Garrido-Lestache Belinchon — every cluster mentioning Hugo Garrido-Lestache Belinchon across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
RAG研究探索语义引导、图模型和扩展范式 · 跟踪6个来源
近期研究通过考察不同的范式及其扩展属性，探索了检索增强生成（RAG）的进展。一项研究引入了GuidedRAG，它使用语义引导在检索前约束知识库，从而提高相关性并减少开销。另一篇论文GLM-RAG，研究了用于知识图谱上RAG的图语言模型，发现微调的GLM检索器在域外泛化能力更好。一项单独的扩展研究比较了BM25、文件系统代理和基于图的方法等RAG范式，得出结论BM25在准确性和成本方面扩展性最好。最后，研究还深入探讨了文本块大小对RAG…
-
新的RAG方法通过源可靠性改进文档排名
研究人员开发了一种新方法，通过将源可靠性纳入文档排名来改进检索增强生成（RAG）管道。该方法根据文档的源类型为其分配先验分数，然后重新加权检索分数。在健康领域语料库上的实验表明，这种源感知重新排名显著提高了Precision@5，并减少了对抗性文档的检索，这表明了一种缓解RAG系统中源质量问题的潜在策略。
-
本杰明·格雷厄姆的价值投资规则增强了人工智能选股模型
一篇新的研究论文探讨了将经典的价值投资原则与现代人工智能因子模型相结合进行股市分析。该研究测试了本杰明·格雷厄姆的价值投资规则是否可以作为一种过滤器，防止人工智能模型过度拟合市场噪音。结果表明，虽然像AutoGluon这样复杂的模型获得了高回报，但它们也带来了显著的回撤。相比之下，结合了格雷厄姆规则的模型，特别是纯粹的格雷厄姆随机森林模型，在较低的风险下表现出更优的回报，这表明价值投资在减轻人工智能驱动的投资风险方面具有持久的相关性。
-
新的LLM框架超越基本摘要分析视频语义
研究人员开发了Scribby，一个利用大型语言模型（LLM）对视频内容进行深度语义分析的新颖框架。该系统通过微观级别索引视频、分析单个句子并按语义相似性对它们进行分组，超越了基本的转录摘要。该框架旨在提供可视化语义分块和匹配的工具，从而更全面地理解视频结构和主题进展。