LightOn
PulseAugur coverage of LightOn — every cluster mentioning LightOn across labs, papers, and developer communities, ranked by signal.
- 2026-09-17 partnership LightOn and Afnic signed a one-year contract for LightOn's generative AI solutions. 来源
1 天有情绪数据
-
Hugging Face 训练嵌入模型以实现高效检索
Hugging Face 推出了一种名为 Token Pooling 感知训练的新训练技术，旨在提高多向量嵌入模型的效率。该方法通过合并相似的 token 向量来解决这些模型的大存储需求问题，从而减少了每个文档所需的向量数量。训练过程教会编码器在合并过程中保留关键信息，从而在不增加存储成本的情况下提高检索质量。实验表明，使用 4 的池化因子，该技术可以保留近 98% 的检索质量，同时将文档向量减少 4 倍。
-
通过灯光和软件调整提升笔记本电脑网络摄像头质量
提高笔记本电脑网络摄像头质量涉及对灯光和软件设置进行简单调整。清洁镜头并确保光源位于用户前方而非后方，可以显著提高图像清晰度。此外，用户还可以在操作系统中微调亮度、饱和度等网络摄像头设置，或利用第三方应用程序和显卡功能进行进一步增强。
-
LightOn 获得法国域名注册机构 Afnic 的人工智能合同
法国生成式人工智能公司 LightOn 已与 .fr 域名注册机构 Afnic 签订了一份为期一年的合同。此次合作将部署 LightOn 的人工智能解决方案以支持 Afnic 的运营。该协议于2025年9月30日在巴黎宣布。
-
LightOn 的人形机器人学会独立感知、思考和行动
LightOn 开发了一款能够独立行动和决策的人形机器人。该机器人可以在没有针对特定场景进行预先训练的情况下，自主导航并克服金库、平台和各种地形等新颖障碍。它通过统一的全身策略实现这一点，使其能够自主选择和切换不同的运动技能。
-
旧版 BERT 模型在稀疏检索任务中表现优于其较新版本
近期研究表明，在稀疏检索任务中，旧版 BERT 模型（特别是 BERT-base）的表现优于 ModernBERT 等较新编码器。这种现象归因于“词汇表差距”，即 ModernBERT 更大、区分大小写的词元集导致词汇匹配效果不如 BERT-base 更小、不区分大小写的词汇表。然而，后续研究提出了解决此词汇表差距的方案，使 ModernBERT 能够在稀疏检索任务中取得最先进的成果。