实体
Jiahao Zhang
Jiahao Zhang
PulseAugur coverage of Jiahao Zhang — every cluster mentioning Jiahao Zhang across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法大幅降低演化深度神经网络的计算成本
研究人员开发了一种低秩演化深度神经网络（LR-EDNN）方法，以显著降低求解时变偏微分方程的计算成本。这种新方法通过采用自适应切空间投影来实现这一点，它用更高效的线性降维问题取代了传统演化深度神经网络（EDNNs）所需的稠密线性系统求解。LR-EDNN方法通过逐层雅可比向量积构建降维雅可比矩阵，避免了形成完整的雅可比矩阵。数值实验表明，在选择合适的秩时，LR-EDNN在保持准确性和保真度的同时，大大降低了计算成本。
-
新的PROSPER算法解决了大型语言模型微调中的不传递偏好问题
研究人员开发了一种名为最大熵Blackwell获胜者（MaxEntBW）的新方法，以解决大型语言模型多目标微调中的不传递偏好问题。该方法在PROSPER算法中实现，可以直接处理多个目标，而无需将它们合并为单一指标。实验表明，PROSPER在指令遵循和聊天基准测试中优于现有方法，并发布了7B和3B参数规模的训练模型检查点。
-
新的UATTA框架通过不确定性感知改进基于文本的行人搜索
研究人员开发了一个名为不确定性感知测试时适配（UATTA）的新框架，以改进基于文本的行人搜索系统。该方法通过仅使用未标记的测试数据来适配模型，解决了标记数据有限的挑战。UATTA引入了一种新颖的机制，通过测量图像到文本和文本到图像搜索之间的检索分歧来估计不确定性，从而在不需要任何标签的情况下重新校准模型。该框架在各种基准测试和模型架构中都显示出了一致的改进，为标签效率高的行人搜索树立了新标准。