Less
PulseAugur coverage of Less — every cluster mentioning Less across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI research finds gradient-based attribution methods track answer format, not task semantics
A new research paper published on arXiv investigates gradient-based data attribution methods commonly used in large language models. The study reveals that these methods primarily track answer format similarity rather t…
-
人工智能对适应性组织的影响将在 LeSS Conf Japan 2026 上进行讨论
Robert Briese 将在 LeSS Conf Japan 2026 上发表演讲，该会议专注于人工智能时代组织结构的未来。他的演讲将探讨人工智能如何增强团队能力，从而形成更具适应性、并由人工智能增强的组织。讨论将涵盖这些不断发展的结构中较小的团队规模、简化的规划流程以及持续的工作流程改进等主题。
-
LeSS Conf Japan 2026 将探讨 AI 与大规模 Scrum 的集成
LeSS Conf Japan 2026 将讨论如何将人工智能集成到大规模 Scrum (LeSS) 框架中。演讲嘉宾 Falko Werner 和 Robert Briese 将探讨使用 AI 教练进行电网预测性维护以及拥有更小、更高效团队的适应性、AI 增强型组织等主题。本次会议定于 10 月 8 日至 9 日在东京举行，将考察 LeSS 与 AI 结合的实际应用和潜在的失败案例。
-
全新 7B 统一扩散语言模型 'Sumi' 发布，伴随扩散模型进展
研究人员推出了 Sumi，一个拥有 70 亿参数的统一扩散语言模型 (UDLM)，该模型在 1.5 万亿 tokens 上从头开始预训练。这个开源模型在知识、推理和编码任务上表现出与自回归模型相当的性能，但在常识基准测试上表现稍逊。发布内容包括模型权重、检查点以及完整的训练方法，旨在为大规模研究 UDLM 提供参考。此外，其他研究探索了扩散语言模型的进展，包括生成 CUDA 核的方法、通过自生成错误训练改进 Token 编辑，以及开发…
-
新的LESS方法增强了用于物体重建的触觉成像
研究人员开发了一种名为局部空间感知编码器（LESS）的新方法，以改进用于重建软物体内部结构的触觉成像。该方法利用了以物体为中心的表示，该表示利用了触觉的局部性质，将触觉场景建模为循环编码器的网格。LESS展示了强大的泛化能力，允许在简单模型上训练的模型能够准确地成像更复杂的物体，并实现完整的3D重建。