Lista
PulseAugur coverage of Lista — every cluster mentioning Lista across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型Transformer架构加速光声成像重建
研究人员开发了一种名为传感器注意力网络（SAN）的基于Transformer的新架构，用于光声断层扫描（PAT）。该网络将传感器时间序列数据视为token，能够在推理过程中直接从原始测量值映射到重建图像，而无需依赖系统矩阵。SAN显著缩短了重建时间，使得实时PAT成为可能，并在SSIM、PSNR和NMSE方面表现优于ISTA、split-Bregman total variation和learned ISTA等现有方法。
-
新的训练方法通过减少信号损失来增强 LLM 的可解释性
研究人员开发了一种名为“替换感知训练”的新方法，以提高大型语言模型的可解释性。该技术训练稀疏自编码器 (SAE)，使其能够抵抗上层引入的错误，而之前的方法则依赖“错误节点”来补偿信号损失。当应用于 Gemma-2-2B 时，这种方法产生了一个保留了语言能力并在 MMLU 等基准测试中表现更好的替换模型，而标准的 SAE 通常会使模型不连贯。
-
新的混合推理加速了分层稀疏预测编码模型
研究人员开发了一种混合摊销推理方法，以加速分层稀疏预测编码 (HSPC) 模型。这种新方法将快速的 LISTA 式编码器用于初始表示，并辅以少量校正步骤，与传统的迭代方法相比，显著减少了推理时间。该混合方法在静态图像基准测试中展示了改进的重建质量、稀疏性和延迟，使 HSPC 模型在应用中更加实用。
-
人工智能和机器学习在图书馆中的应用：系统性综述
对实证研究进行的系统性综述，综合了关于人工智能（AI）和机器学习（ML）在图书馆中应用的研究。该综述分析了三十二篇选定的文章，发现LIS领域当前的研究主要集中在理论方面，但也注意到了一些实施项目和案例研究。这项工作旨在全面概述图书馆中的AI和ML，以指导研究人员、从业人员和教育工作者开发面向技术的方法并预测未来的创新。