July 20
PulseAugur coverage of July 20 — every cluster mentioning July 20 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法预测神经网络性能以进行高效模型修剪
研究人员开发了一种方法来预测训练过程中神经网络候选者的未来性能，从而能够更有效地修剪表现不佳的模型。该方法使用在准确率和损失历史、权重统计或 SANE 表示上训练的“即时预测器”来预测训练提前几个 epoch 或训练结束时的测试准确率。当整合到 Survival-of-the-Fittest 训练策略中时，该方法通过几乎缩小与表现最佳模型之间的差距，显著提高了在 ResNet-18 和 ViT zoo 等多样化模型群体中选择高性能模型的能力。
-
新框架自动化LLM裁判可靠性测试
研究人员开发了SANE，一个用于自动化大型语言模型（LLM）裁判的变异测试的新框架。这个基于代理的系统生成评分者特定的扰动配方和预期的分数关系，从而增强了LLM评估器的可靠性测试。SANE通过生成更多经过验证的测试家族并在包括专业性和毒性在内的各种领域检测评分者缺陷，显著优于Judge Reliability Harness (JRH)等现有方法。
-
新的SANE技术稳定极端上下文循环模型
研究人员开发了一种名为状态异常中和（SANE）的新技术，以提高Delta-Rule循环模型在处理极端长上下文时的稳定性。这些模型通常具有$O(1)$的推理内存，但在上下文外推时可能变得不稳定。SANE通过在块边界应用自适应$\tanh$压缩来解决这个问题，防止局部范数爆炸，同时保持块内并行性。该方法在处理比训练长度长24,000多倍的序列后，仍能保持功能推理能力，优于遇到数值溢出的基线模型。
-
新的RAG方法针对移动效率和准确性 · 已追踪2个来源
两篇新的研究论文提出轻量级方法来改进检索增强生成（RAG）系统，特别适用于移动和边缘设备。第一篇论文《面向移动检索增强生成的轻量级块选择》通过对齐查询意图与检索到的块嵌入，专注于选择最相关的信息块，在排名第一的证据选择方面取得了2.5%的提升。第二篇论文《选择与提取：检索增强生成的轻量级插件》介绍了一个名为SANE的插件，它首先检索广泛的候选集，然后使用语言模型选择最相关的候选集，接着进行蓝图指导的证据提取以改进推理，所有这些都只增加…
-
Anthropic 延长 Claude Fable 5 AI 模型免费访问权限
Anthropic 已延长其顶级 AI 模型 Claude Fable 5 的免费试用期。该优惠最初定于7月13日结束，后先延长至7月19日，然后进一步延长至7月20日。这种延长访问权限让用户有更多时间免费体验 Claude Fable 5 的功能。
-
新的 SANE 框架改进了 LLM 对生物数据查询的评估
研究人员推出 SANE，一个用于评估大型语言模型（LLM）从生物数据领域自然语言生成 SQL 查询能力的新框架。这种模式感知方法旨在提高 LLM 访问结构化科学数据集的可靠性，而这些数据集通常需要 SQL 专业知识。使用 SANE 进行的评估表明，在提供结构化提示和护栏的情况下，少样本 LLM 可以在受限模式内准确生成查询，从而缓解了对幻觉的担忧。