IMDb
PulseAugur coverage of IMDb — every cluster mentioning IMDb across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
学习大型语言模型:理解每个组件背后的历史问题
学习大型语言模型(LLM)通常是从上至下进行的,这导致了任意的设计决策。然而,理解导致每个组件发明的历史问题可以提供至关重要的背景信息。关键挑战包括处理可变输入长度以及从海量的自由文本中高效学习以供跨任务重用。文章追溯了LLM通过其核心组件的演变,从早期计数词语序列的n-gram模型开始,这些模型面临数据稀疏性的限制,然后逐步发展到解决这些问题的后续开发。
-
新的IDSISA方法提高了机器学习遗忘的效率和效用
研究人员开发了IDSISA,一种高效的机器学习遗忘新方法,旨在移除特定训练数据的影响,同时保持模型的效用。与计算成本高昂的完全重新训练不同,IDSISA采用影响函数将易遗忘的样本集中到更少的分片中,并利用来自未受影响分片的蒸馏来恢复丢失的效用。这种方法提供了继承自SISA的确切删除保证,以及对效用恢复的经验性有界近似。在各种数据集和架构上的实验表明,与现有的SISA方法相比,在选择性遗忘和效用保留方面有了显著的改进。
-
语言模型未能掌握文化细微差别,新基准揭示 · 跟踪 2 个来源
一项新研究表明,当前的语言模型在理解文化细微差别方面存在困难,即使使用特定语言进行提示也是如此。研究人员开发了一个基准 CAB-Igbo,使用本土文化来源来评估模型对伊博文化的理解。研究结果表明,虽然模型可能精通某种语言,但它们通常缺乏真正的文化对齐所需的认识论保真度和表征丰富性。Gemini 2.0 Flash 是唯一一个在用伊博语提示时表现出文化知识提升的模型,这表明当前的评估方法,特别是选择题形式,可能误导了对模型理解的评估。
-
内森·菲尔德的伊丽莎白·霍姆斯纪录片《你什么都能看见》获得满分
内森·菲尔德的纪录片《你什么都能看见》因其对伊丽莎白·霍姆斯和Theranos丑闻的探讨而获得好评。这部审视真实性的电影在烂番茄上获得了满分,并有可能成为IMDb评分最高的电影之一。该纪录片将霍姆斯定位为遇到了菲尔德独特的喜剧和调查风格的对手。
-
新的防御策略旨在挫败LLM提示注入攻击
研究人员开发了一种名为标签伪装防御(LDD)的防御机制,以缓解用于情感分类的大型语言模型(LLM)中的提示注入攻击。LDD通过用替代对(例如“好/坏”或“猫/狗”)替换标准的正/负标签,然后将模型的预测映射回原始情感类别来工作。虽然LDD在某些配置中显示出比基线标签更好的性能,但在所有测试的模型和标签对中并未观察到一致的优势。
-
Jev 模型在 IMDb 评论上达到 96.5% 的零样本准确率
Sebastian Raschka 对文本分类器的分析表明,虽然传统的词袋模型结合逻辑回归等方法可以达到高准确率,但像 ModernBERT 这样的微调模型显示出进一步的改进。特别是 Jev 模型在 IMDb 评论的零样本性能上取得了显著的飞跃,以较低的成本实现了 96.5% 的准确率。
-
TypeSafe AI的Jev模型在决策任务上优于开源替代品 · 跟踪4个来源
TypeSafe AI发布了Jev,一个“System One”模型,旨在做出小型、具体的决策,而不是生成文本。Jev从固定集合中返回选择、评分或校准的概率,旨在提高信息访问管道的效率。独立评估显示,Jev在各种基准测试中显著优于Qwen和Gemma等开源模型,尤其是在准确性和概率校准方面,尽管它仍然容易受到提示注入的影响,并且在低资源语言上表现下降。此次发布引发了一波开源重写,虽然提供了更低的延迟和成本,但总体上未能达到Jev的开箱即用准确性。
-
用户计划重温电影《我,机器人》,提及人工智能主题
用户表达了重温2004年电影《我,机器人》的愿望,并引用了该片的IMDb和维基百科页面。帖子包含与AI和KI相关的标签,以及对“NyxIsAVirus”的提及。
-
新的SG-Blend激活函数提高了神经网络的鲁棒性
研究人员推出了一种新颖的自适应激活函数SG-Blend,旨在改善神经网络表示。SG-Blend在Swish和GELU激活函数之间进行插值,允许每一层学习其在该连续体上的最佳位置。这种方法在BERT风格的IMDB分类任务上显示出较低的方差并保持了峰值准确率,同时在WikiText103的自回归预训练中也实现了较低的验证困惑度。该方法的有效性超出了自然语言处理的范畴,在计算机视觉和其他领域也显示出鲁棒的泛化能力。
-
Apple TV+剧集《羊毛战队》创下IMDb评分新纪录
Apple TV+剧集《羊毛战队》(Silo) 在IMDb上创下了新的评分纪录。该剧第三季的结局引起了粉丝的极大关注,使其在即将播出的第四季之前取得了这一成就。
-
新研究使用非交换词表示文本,降低模型复杂度
一篇新研究论文提出了一种新颖的方法,将词汇标记表示为酉矩阵,并将句子编码为其有序乘积。这种非交换方法在没有位置编码的情况下捕获词序,并实现了反向自注意力(antisymmetric self-attention)和文本块并行组合等功能,同时降低了注意力成本。该方法在IMDb和AG News等文本分类基准测试中取得了具有竞争力或更优的性能,同时将词汇空间从大约30,000个维度显著减少到64个参数的密集编码。
-
IMDb评分最高的新剧Top 10
本文根据IMDb评分列出了10部最新电视剧。该选择基于用户评论,旨在引导观众观看流媒体平台上备受好评的新剧集。
-
罗伯特·德尼罗主演的《低语者》差评如潮但登顶Netflix榜首
由罗伯特·德尼罗、米歇尔·莫娜汉和亚当·斯科特主演的Netflix新片《低语者》(The Whisper Man)迅速攀升至该流媒体服务最受欢迎影片榜单的首位。尽管拥有星光熠熠的演员阵容和立即获得的关注度,但该片收到的评论普遍负面,在烂番茄和IMDb上的评分都很低。这部影片紧随另一部评价不佳的Netflix恐怖片《最后的房子》(The Last House)之后,延续了Netflix集结知名演员出演项目但并不总是能获得评论界成功的趋势。
-
FX 剧集《Adults》第二季创下 2026 年烂番茄纪录
FX 剧集《Adults》第二季在烂番茄上创下了 2026 年的评论得分纪录,获得了评论家 100% 的评分和观众 98% 的评分。这使其成为今年评分最高的剧集,超越了《Widow's Bay》和《Star Wars: Maul – Shadow Lord》等其他知名剧集。本季相比第一季的较低评分有了显著提升,巩固了其作为备受好评的喜剧的地位。
-
新的分类器方法区分记忆保持与任务依赖性
研究人员推出了一种名为 Protected QL Memory 的新方法,用于文档分类器,旨在区分保持已获得的能力和存储样本特定信息。这种双路径分类器结合了因果和联想路径来评估这些不同的属性。在九个数据集-种子条件下的实验表明,虽然作者能力得到完全保持,但诊断准确性差距高达 86.9 个百分点,表明对示例记忆对应关系有很强的依赖性。然而,当记忆数据被改变时,下游任务性能变化很小,这表明保持联想能力和诊断访问并不一定意味着依赖该记忆进行任务对齐。
-
《Outer Banks》第五季在Netflix受欢迎的情况下,评论表现不佳
尽管Netflix的热门剧集《Outer Banks》已播出五季,但该剧却异常地缺乏评论关注,导致烂番茄上的评论数量不足以生成分数。与评论覆盖率更高的不太知名的剧集和电影相比,这种情况显得尤为突出。这一现象凸显了娱乐新闻资源在电视节目上的分配比例低于电影和电子游戏,这可能与新闻行业的衰退有关。
-
《Outer Banks》第五季在系列大结局之际创下 IMDb 纪录
Netflix 的《Outer Banks》已迎来第五季暨最终季的完结,该季在 IMDb 上为该剧创下了破纪录的评分。特别是该季的大结局集获得了高分,其中第九集获得 9 分,第十集达到 9.1 分。尽管初期集数开局稍显平缓,但该季的评分逐渐攀升,最终获得了粉丝的热烈反响。一部背景设定在 20 年前的衍生前传剧集《Kildare》也正在开发中。
-
Netflix 的《我的辉煌事业》获得烂番茄完美评分
Netflix 的新澳大利亚迷你剧《我的辉煌事业》获得了评论界的赞誉,在烂番茄上获得了完美的 100% 分数。该剧改编自迈尔斯·富兰克林 1901 年的小说,讲述了一位农家女孩的写作事业梦想以及她对独立的追求。主演菲利帕·东北特因其表演而广受赞誉,评论家们称赞她对固执己见的 the protagonist 的刻画。
-
DCU剧集《提灯者》烂番茄评分达95%,为评分最高的真人剧集
全新的DCU剧集《提灯者》获得了强烈的评论,在首播后其烂番茄评分飙升至95%,与《企鹅人》并列成为评分最高的DC真人剧集。该剧由凯尔·钱德勒饰演哈尔·乔丹,亚伦·皮埃尔饰演约翰·斯图尔特,是一部旨在重振DC宇宙的悬疑破案剧,此前《女超人》表现不佳。尽管观众评分略低,为89%,但该剧在IMDb上也获得了8.6/10的高分。
-
AI对学生好奇心和学习的影响与1982年《电子世界争霸战》的引言相呼应
一位教授反思AI工具如何阻碍学生发展,并将这种情况与1982年电影《电子世界争霸战》中的一段引言相提并论,该引言称计算机开始思考而人们停止思考。教授指出,学生正在失去发现有趣事物和培养好奇心的能力,认为AI正在导致一种可能无法逆转的“大脑腐烂”。学生们在以前可以轻松完成的基本作业中遇到的困难就证明了这一点。