Laya
PulseAugur coverage of Laya — every cluster mentioning Laya across labs, papers, and developer communities, ranked by signal.
- developed by Jevíčko 90%
- instance of System One 90%
- developed by Convai Innovations 90%
- used by Convai Innovations 90%
- developed TypeSafe.ai 90%
- instance of Convai Innovations 90%
- used by Jevíčko 70%
- instance of Jevíčko 70%
- developed by Lightbend Inc. 70%
- competes with Lightbend Inc. 70%
- developed by System One 70%
- uses Lightbend Inc. 70%
16 天有情绪数据
-
新的开源工具支持协作式AI编码代理
一款名为Multiharness的开源工具已被开发出来，支持AI编码代理协同规划和执行任务。该系统允许一个规划代理监督整个过程，而一个独立的执行代理编写代码，并具备委托、状态跟踪和上下文感知修复等功能。它支持Claude Code和Codex CLI等多种代理，并能将简单请求路由以绕过规划阶段，方便在Windows、macOS和Linux上安装。
-
研究揭示Laya决策模型的顺序敏感性
一篇题为“Maya a1：选项读取模型还是其位置？非自回归决策模型中的顺序敏感性”的新研究论文，调查了Laya模型（一种非自回归决策模型）的顺序敏感性。研究发现，Laya已发布的拥有4.21亿参数的检查点，会根据选项呈现的顺序，改变其对相当大比例的多项选择题的答案。通过选项随机化进行微调可以降低这种敏感性，而对不同顺序进行置信度加权投票则提高了准确性。
-
多篇帖子讨论AI模型性能和基础设施成本
一系列Mastodon帖子讨论了AI的基础设施和性能。其中一个帖子详细介绍了MCP搜索服务的成本，估计个人使用每月为7美元，而双区域Azure方案的报价为8,400美元。另一篇帖子强调了检索增强生成（RAG）系统的一个局限性，即可能找到正确的页面，但错过了具体的答案块，导致模型表示不知道。第三篇帖子比较了不同AI模型的准确性，认为路由策略和模型大小（特别是Laya、Kev-4B和GPT-5.4 nano）对性能有显著影响，其中一个模型…
-
新方法可实现大型语言模型技能习得，权重改动极小
研究人员开发了一种名为“删除调优”（Deletion Tuning）的新方法，通过修改不到0.1%的权重，可以显著改变大型语言模型的能力。该技术通过将特定权重归零，在各种训练后模式下均能达到与完全微调相当的性能，同时保留更多模型的原始知识。另一种方法使用决策模型将工具调用等新技能提炼到Qwen 3.5 0.8B等小型大型语言模型中，实现了与LoRA相当的性能，延迟极低，且没有灾难性遗忘。
-
新协议揭示 System One 决策模型中的人口统计偏差
一项名为“Swap, Replicate, Read the Mass”的新协议已被开发出来，用于审计 System One 决策模型中的人口统计偏差。该协议涉及在 BBQ、CrowS-Pairs 和 SilverSpoon 等基准上运行模型，并系统地置换选项和问题。审计揭示了广泛的刻板印象对齐、依赖于顺序的答案以及与不稳定性而非实际偏差相关的置信度得分。值得注意的是，选项的置换显著改变了模型的选择，并且一些模型表现出对较低社会经济地…
-
新基准S1CogBench评估System One决策模型在认知任务上的表现
一项新的基准测试S1CogBench已被开发出来，用于评估System One决策模型（如Jev和Laya）在认知任务上的决策能力。与传统的语言模型不同，这些系统能够提供快速、可检查的决策，而无需生成文本。该基准测试评估了这些模型在24项认知实验中对证据、反馈、记忆负荷和未来机会的响应可靠性。初步研究结果表明，模型的可靠性存在显著差异，在认知任务上的表现不一定与人类预测相关，并且速度的提升往往是通过不生成输出来实现的。
-
开发者重建 Karpathy 的 HackerTube 为 OpenTube，测量其性能
一位开发者重新创建了 Andrej Karpathy 的 HackerTube 项目，将其命名为 OpenTube 版本，用于过滤 Hacker News 评论中的 YouTube 链接。该项目采用两阶段模型级联，首先使用一个名为 Laya 的较小模型，然后仅在不确定的情况下使用一个更大的 LLM，旨在提高效率和透明度。OpenTube 提供了准确性、成本以及连接视频知识图谱的指标，允许用户验证其性能，甚至贡献自己的标签。
-
本地分类器与NLI交叉编码器进行基准测试；探索多智能体LLM的局限性
一位用户在CPU上对三个本地分类器（Laya、VegaML和Arc Decide）组成的委员会与DeBERTa-v3-small NLI交叉编码器进行了基准测试。实验旨在确定投票机制何时能改进分类决策，何时会阻碍它们。此外，另一篇文章探讨了多智能体系统，详细说明了独立LLM为何缺乏再进入和内部抵抗力，以及如何构建了一个受管的自生成回路。
-
AI agent 应用使用 Laya 决策模型完全在浏览器中运行
一位开发者使用 Laya（ConvAI Innovations 的一个拥有 4.21 亿参数的决策模型）和 WebGPU 创建了四个完全在网页浏览器中运行的 AI agent 应用程序。这些应用程序无需服务器或 API 密钥，提供了私密的本地 AI 体验。Laya 旨在实现类似人类系统 1 思考的快速、直观的决策，负责路由、审核和护栏等任务，在 agentic 决策方面优于更大的生成模型。该模型被转换为 ONNX 并进行量化以兼容浏览…
-
LOKĀNTRA平台使用多智能体AI模拟社会反应
LOKĀNTRA是一个新的人工智能驱动平台，专为多智能体模拟和蜂群智能而设计。它将现实世界的文档转化为交互式知识图谱，使用户能够模拟不同AI智能体如何对事件做出反应并影响结果。该平台集成了各种AI工具和技术，包括用于知识图谱的TigerGraph，用于智能体模拟的CAMEL-AI和OASIS，以及用于决策智能的LAYA，旨在超越静态AI预测，实现交互式未来探索。
-
AI模型在风湿病学诊断任务上表现不一
一项新研究评估了几种AI模型（包括Decision和System One模型）在风湿病学考试问题和诊断病例小插图上的表现。模型在两个基准上进行了测试：RheumaMIR数据集和RheumBench数据集。虽然Jev 1.13等一些System One模型在考试问题上表现出高准确性，但与GPT-6 Sol等模型相比，它们在诊断小插图上的表现效果较差。
-
新的Jev风格模型为卫星操作提供低延迟决策
一篇新研究论文介绍了一种名为SatOps-Decision的方法，该方法专为卫星通信操作中的低延迟决策而设计。该方法利用一种Jev风格的通用判别式决策模型，特别是带有原生决策头的Laya编码器，在单次前向传播中选择操作答案。与Qwen3.5-0.8B和OneJev1.6-0.8B等其他模型相比，该方法展示了显著的速度提升和更高的准确性，中位延迟为90.3毫秒，平均原始准确率为85.3%。
-
阿拉斯加参议员竞选出现“同名”争议，引特朗普不满 · 追踪到1个来源
阿拉斯加州参议员竞选出现政治争议，涉及两位名叫丹·沙利文的候选人，引起了前总统特朗普的关注。情况因指控民主党人士可能帮助招募其中一位沙利文以混淆选民并影响选举结果而变得复杂。这导致了调查和选举欺诈指控，尽管尚未有明确的法律被证明违反。
-
Laya AI模型在保险工作流决策中进行测试
文章讨论了Laya（一款AI模型）在保险工作流决策中的应用，重点关注其在速度、令牌使用量、成本和准确性方面的表现。文章指出，并非所有AI驱动的决策都必然需要大型语言模型（LLM），并建议Laya可以作为保险行业特定任务的潜在替代方案。
-
DeepOpen框架在银行和意图分类任务上实现了高精度
研究人员推出DeepOpen，一个为BANKING77和CLINC150等特定数据集量身定制的面向决策的意图分类框架。该系统使用单一的带锐度感知最小化（SAM）的英文分类器在BANKING77上达到了94.12%的高准确率。对于CLINC150，Laya专家和DeBERTa-v3-large分类器的概率融合达到了98.02%的准确率。该论文详细介绍了配置，强调了性能指标，并讨论了潜在的选择效应和历史执行路径差异，而不是声称新的算法优势。
-
ELMDE系统将LLM决策延迟缩短至毫秒级
一个名为Equilibrium Latent-MoE Decision Engine (ELMDE) 的新系统已被开发出来，以显著加快语言模型中的决策过程。与传统的逐个token解码不同，ELMDE通过循环核心一次性处理上下文，达到一个不动点，然后进行决策投影。这种方法极大地降低了延迟，一个包含50个问题的批次大约需要14毫秒，而其他方法则需要数千毫秒。ELMDE还包含一个共形门控机制，用于识别不确定的决策，将其升级到更慢的模型或人工…
-
本地AI模型微调显示复制不一致
对一个微调后的本地AI模型Laya进行了测试，以匹配托管模型（Jev）在客户的流水线输出上的表现。虽然Laya在精度上达到了可比水平，但在特定的基于规则的匹配上遇到了困难。后续为解决这些遗漏的再训练尝试产生了不一致的结果，一个训练种子显示召回率显著下降，另一个则显示有所提高，这表明了微调过程中的可变性。
-
Agentic AI uses probabilistic decision models like Jev and Laya
文章深入探讨了Agentic AI，重点关注那些以概率而非文本响应的决策模型。文章探讨了这类系统的内部工作原理，以'Jev'为例，介绍了一个能通过概率回答输入问题的模型。文章还讨论了像'Laya'这样的开源替代方案，并强调了它们在Agentic AI中的实际应用。
-
Jevíčko vs. Laya：分析“免费”AI模型的真实成本
文章比较了Jevíčko和Laya两款AI模型，旨在确定哪款模型在初步看起来免费的情况下能提供更好的价值。文章指出，当考虑下载之外的因素，如托管、微调和整体准确性时，其中一款模型可能比另一款更具成本效益。
-
AI决策API涌现，价值从模型转向结构
近期，包括TypeSafe、OpenAI、Cloudflare、Perplexity和Amazon在内的多家公司推出了用于快速、结构化决策的API。这些产品旨在为特定任务提供比传统大型语言模型更快、更便宜的替代方案。一个关键的观察是，Cloudflare的Clef API被设计为TypeSafe的Jev API的直接替代品，这表明价值在于API的结构而非底层模型的权重。Gian Luca Bailo的一项实验进一步表明，这类系统的性能…