human settlement
PulseAugur coverage of human settlement — every cluster mentioning human settlement across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
自我生成反馈破坏 AI 模型测试时训练
研究人员发现，测试时训练（TTT）中存在一个关键问题，即模型从自身生成输出来学习可能导致在独立数据上的性能下降。这种现象在包括 Qwen3-4B 在内的各种模型大小和配置中都有观察到，表明虽然写作本身不是失败原因，但基于自生成文本更新模型权重的过程可能导致重大的预测错误。该研究提出了解决方案，例如使用冻结模型进行生成，或使用“结算”机制在提交更新之前在独立文本上验证更新，这可以在保留适应能力的同时显著减少损害。
-
新方法提升大语言模型推理效率与准确性 · 跟踪4个来源
研究人员正在开发新方法来提高大语言模型的效率和推理能力。一种名为ReHoPER的方法会在提供最终答案之前，沿着多条路径生成并回答中间问题，在组合推理任务上显示出优势。另一种名为Settle的方法，训练模型判断其推理何时稳定，在MATH-500数据集上将token数量减少了40%，准确率损失极小。第三种技术使用自监督置信度训练，鼓励模型预测其对答案的置信度，在不明确优化缩短推理的情况下，在各种模型和基准测试中实现了高达25%的效率提升。
-
新系统InHabit生成大规模3D人景交互数据
研究人员开发了InHabit，一个用于生成大规模、照片级逼真的人类与环境交互的3D数据集的新颖系统。该系统利用图像基础模型来提出动作并将人类插入3D场景，然后将这些插入细化为物理上合理的SMPL-X身体。由此产生的数据集InHabitants包含约800个场景中的78,000个样本，并在3D人类场景重建和接触估计任务中展示了改进。