Ladder
PulseAugur coverage of Ladder — every cluster mentioning Ladder across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的探测方法审计AI评分系统可靠性
一种名为“单调性探测器”的新方法被提出,用于评估AI评分系统的可靠性。该探测器涉及为单个案例创建一个有序的答案阶梯,其中阶梯上的每一步都代表一个单一的、可识别的缺陷修正。通过观察评分器如何对这个阶梯进行评分,开发人员可以识别评分标准或案例本身的错误,从而确保更一致、更准确的评估。
-
三款复古风格游戏将于2026年登陆C64、Amiga和TRS-80
三款复古风格的电子游戏定于2026年发布,每款都针对不同的经典计算机平台。“Starfall”由Technician Ted开发,将登陆Commodore 64,包含六个世界和五种武器。LUKKAL Software正在为Amiga OCS开发“Egg Pet Amigo”,这是一款包含小游戏和多种动物类型的虚拟宠物游戏。此外,Shoemaker's Last Software正在为TRS-80开发“Lad vs. Sewer Sli…
-
新的LADDER框架揭示语言模型在无监督反馈下难以进行自我评估
研究人员开发了LADDER,一个评估语言模型在接触不可靠或不完整反馈时评估自身能力的新框架。研究发现,虽然模型可以准确报告提供的性能数据,但它们难以仅凭互动经验形成值得信赖的自我评估。这些看似准确的评估可能无法反映真实的性能差异或预测未来的表现,凸显了根据观察到的任务表现来评估自我评估的必要性。
-
新的LADDER方法在极高稀疏度下增强LLM剪枝
研究人员开发了一种名为LADDER(Layer-Wise Allocation via Damage-Driven Evaluation and Refinement,逐层分配通过损伤驱动评估和精炼)的新方法,以改进大型语言模型(LLM)的训练后剪枝。该技术逐步分配稀疏度,评估移除各层额外权重的影响,并选择导致每参数退化最小的更新。与均匀和自适应基线相比,LADDER在极高稀疏度(70%及以上)下表现出更优越的鲁棒性,结果显示在包括O…
-
新基准和模型提升机器人操作能力 · 跟踪 8 个来源
研究人员为机器人操作引入了几个新的基准和模型,重点关注内存依赖、个性化和工业约束等领域。例如,RMBench 在九项任务中评估机器人策略的内存能力,而 LIBERO-PeRM 和 LIBERO-Industry 分别旨在对个性化操作和工业流程约束下的任务进行基准测试。此外,RoboSimStudio 提供了一个用于创建机器人操作模拟的交互式工具包,而 Kyūtai REKI 模型展示了在 2.4B 参数视觉-语言-动作模型中高效集成内…
-
新的LADDER方法增强了机器学习中的域泛化能力
研究人员推出了一种新颖的域泛化方法,称为LADDER(Latent Adaptive Domain Disentanglement and Environment Reweighting)。与侧重于不变性的方法不同,LADDER利用特定域的风格来指导预测,尤其是在因果因素与结果之间的关系在不同域之间发生变化时。该技术学习固定的因果和风格表示,然后在推理时使用未标记的目标域数据来重新加权源特定分类器,从而在无需目标标签或模型更新的情况下…