Ising
PulseAugur coverage of Ising — every cluster mentioning Ising across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
优化器状态传输影响短视AI训练决策
研究人员调查了自适应优化器（如AdamW）如何利用历史梯度信息来影响未来的训练决策。他们的研究重点关注延迟的优化器状态传输对短视训练的影响，发现与即时导数方法相比，这种延迟传输可以带来更好的损失减少。实验表明，优化器内存和近期数据是训练状态的关键组成部分，这表明存在一种机制可以确定何时有限视界干预比单步调整更合适。
-
AI代理发现物理映射和神经网络新算法 · 跟踪2个来源
两篇新研究论文探讨了在科学发现中使用AI代理，特别是在物理学和计算数学领域。第一篇论文介绍了StatMechBench-v0，这是一个旨在测试AI代理在物理问题中识别统计力学映射能力的基准，揭示了当前LLM在数值一致性之外的推理局限性。第二篇论文提出了EvoPINN，一个使用LLM为物理信息神经网络（PINNs）发现可执行算法的代理框架，展示了显著的误差减少和一种称为SLRC-PINN的新型架构的发明。
-
NVIDIA Ising Calibration 自动化量子计算机设置
NVIDIA 发布了 NVIDIA Ising Calibration，这是一个旨在自动化量子计算机校准的开源工具。该新系统利用上下文学习，显著减少了此类过程通常需要的手动工作量。该工具旨在通过提高效率和可访问性来简化量子计算操作。
-
QUBO 优化解决了 RAG 问答中的证据选择问题
研究人员开发了一种新颖的证据选择方法，用于检索增强问答 (RAG)，将其表述为二次无约束二元优化 (QUBO) 问题。该方法旨在通过平衡相关性、需求覆盖率和其他因素，来改进互补证据段的选择，这对于复杂的多跳问题至关重要。QUBO 选择器提供了一种经济高效且可扩展的替代 LLM 选择器的方法，在 HotpotQA 基准测试上取得了有竞争力的性能，并指明了 RAG 管道的未来方向，即保留 LLM 用于语义处理，同时使用专用求解器进行上下文选择。
-
新QSPADE方法增强量子异常检测
研究人员推出了一种名为量子谱异常检测（QSPADE）的新型方法，用于识别量子数据中的异常。QSPADE通过分析正常数据集的频谱来计算异常分数，为传统的、对量子数据计算密集型的主成分分析（PCA）提供了一种替代方案。该方法使用平滑的、温度控制的谱阈值，使异常分数更连续且对噪声不敏感。QSPADE也可应用于为量子处理而编码的经典数据，并能在无需预定义诊断可观测量的情况下监控量子系统。
-
Arena AI、Ollama及浏览器选项推动本地和私有AI模型访问增长
多个平台正涌现，提供本地或注重隐私的AI模型访问。Arena AI提供超过300个模型（包括Claude、GPT和Gemini）的免费访问。Ollama允许用户直接在自己的计算机上运行AI模型（如LLaMA、Mistral和Gemma），无需互联网连接，并强调数据隐私。此外，一些服务在浏览器中提供免费AI聊天，无需注册，支持Qwen、Llama和DeepSeek等模型。
-
英伟达发布用于量子比特校准的开源伊辛量子AI模型
英伟达发布了开源伊辛量子AI模型，旨在自动化和改进量子处理器校准。这些模型包括用于提出校准动作的视觉-语言模型和用于纠错解码的CNN，旨在集成到现有的量子控制栈中。通过将校准视为AI推理问题，类似于LLM的部署方式，英伟达旨在提高量子硬件操作的速度、准确性和鲁棒性，同时强调治理和安全协议的必要性。
-
受物理学启发的图集成在图像分类中实现高精度
研究人员开发了一种新颖的受物理学启发的自然图像分类方法，摆脱了计算成本高昂的高维CNN特征。他们将冻结的MobileNetV2特征解释为准循环LDPC图上的伊辛自旋，形成一个随机键伊辛模型。通过在该模型上以其西森森温度运行，他们建立了谱拓扑对应关系以抑制有害的图子结构，在保持ImageNet-10和ImageNet-100等数据集高精度的同时，显著降低了维度。