Ibis
PulseAugur coverage of Ibis — every cluster mentioning Ibis across labs, papers, and developer communities, ranked by signal.
-
新研究识别并解决了大型语言模型搜索代理中的“惯性偏差”
研究人员在由大型语言模型（LLM）驱动的网络搜索代理中发现了一种称为“惯性偏差”的现象。这种偏差会导致代理在判断自身先前行为后果时变得不那么客观。一个新的基准测试 IBIS 被开发出来用于衡量这种偏差，结果显示模型在评估自己编写的历史记录时表现更差。为了解决这个问题，一个名为 NIS-Agent 的提议解决方案在网页分类和最终答案验证期间隔离了上下文，在多个基准测试中实现了具有竞争力的性能并降低了代币成本。此外，一个经过训练以抵抗惯性…
-
新的IBIS框架增强了用于人类活动识别的Wi-Fi传感能力
研究人员开发了IBIS，一个新颖的集成框架，旨在提高用于人类活动识别（HAR）的Wi-Fi传感的稳健性。该系统结合了用于特征提取的Inception-双向长短期记忆（BiLSTM）网络和用于分类的支持向量机（SVM），专门解决了困扰当前HAR技术的域偏移问题。在实验中，IBIS的准确率达到了95.40%，在跨场景评估中比标准架构提高了7.58%，并有效降低了基于Wi-Fi的HAR的环境依赖性。
-
MedCollab框架通过IBIS和HDRC增强LLM临床诊断能力
研究人员开发了MedCollab，一个旨在利用大型语言模型增强临床诊断和报告生成的新型多智能体框架。MedCollab通过招募专科医生和检查代理来模拟医院咨询，并通过与证据链接的论点通过基于问题的知识系统（IBIS）来构建诊断假设，以提高可追溯性。它还将假设组织成疾病关系链（HDRC），并采用验证者指导的共识模块来审计推理和检测矛盾。在ClinicalBench和MIMIC-IV数据集上的实验表明，MedCollab在诊断准确性、证据…