Liang
PulseAugur coverage of Liang — every cluster mentioning Liang across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究人员发现，Hamiltonian 属性测试需要显著的演化时间
研究人员为 Hamiltonian 属性测试建立了下界，证明某些任务需要显著的演化时间。具体来说，测试一个 Hamiltonian 是否为 k-局部或将其与目标 Hamiltonian 区分开需要 $\Omega(1/\varepsilon^2)$ 的总演化时间。这一发现与现有的上界相匹配，并且是首次为 Hamiltonian 学习和测试问题证明此类下界，排除了海森堡极限缩放的可能性。研究还表明，将振幅估计到 $\varepsilon…
-
PolicyAttention：用于闭环控制的 Softmax Attention
研究人员开发了一种名为 PolicyAttention 的新方法，该方法在 Transformer 中使用因果 Softmax Attention 来实现闭环控制的策略镜像下降。该方法旨在通过使强化学习代理能够从固定数量的转换中学习来提高其效率和准确性。实证测试表明，PolicyAttention，特别是具有精确一步评论员的版本，在重复控制任务中的表现与理论方法或改编方法相当或更好，尽管在较高步数下与在线策略方法直接比较仍存在挑战。
-
中国母亲起诉儿子索要15年育儿费5.4万美元
中国一名女子起诉儿子，要求支付15年来累积的超过5.4万美元的育儿费用。徐女士称，在她儿子梁某离婚再婚后，她承担了孙女的生活费、医疗费和教育费。梁某则辩称，他收入不高，已尽力抚养女儿，而女儿在他搬出后被交给徐女士照顾，导致情况升级。此案在中国引发了关于父母和祖父母责任的全国性辩论。
-
大型语言模型在长上下文的中间信息处理上遇到困难
最近发表在《计算语言学学报》(Transactions of the ACL) 上的一项由刘等人进行的研究，识别出一种被称为“迷失在中间”的现象。在该现象中，当关键信息被置于长上下文窗口的中间时，语言模型的准确性会下降。当相关文档既不在提示的开头也不在结尾时，性能会显著下降，有时甚至比闭卷回忆的表现还要差。这种现象已在各种模型架构和上下文长度中观察到，表明这是模型处理扩展信息方式的一个基本挑战。该论文提出，具有固定预算的注意力机制、不…
-
中国餐馆老板原谅纵火厨师
河南郑州的一位餐馆老板因其对一名员工造成的毁灭性火灾的宽容态度而赢得了广泛赞誉。厨师刘某因忘记关火意外引发火灾，对餐馆造成了重大损失。刘某深感愧疚，提出通过扣除工资来赔偿损失，但老板梁某撕毁了欠条，并向刘某保证他们将共同面对未来。
-
深度学习模型提升荷兰语音节划分准确性
研究人员开发了一种新的荷兰语音节划分深度学习模型，词语准确率达到99.65%。该模型结合了语音和拼写信息，比现有算法提高了0.14%。研究还评估了其他四种音节划分算法，发现在各种数据集上，数据驱动的方法通常优于基于知识的方法。