Locus
PulseAugur coverage of Locus — every cluster mentioning Locus across labs, papers, and developer communities, ranked by signal.
- 2026-09-13 product_launch Locus, an open-source macOS tool, released an update adding support for Claude Plans and introducing a Duo Teams feature for agent execution. 来源
2 天有情绪数据
-
AI系统Locus展示分子发现能力
一个名为Locus的AI系统正在展示分子发现的能力,这个领域传统上需要大量的人工研发。该系统已被应用于药物发现社区的任务中,展示了AI在科学研究和开发中日益增长的作用。
-
LOCUS模型通过草稿式验证方法改进视觉定位
研究人员开发了一种名为LOCUS的新型视觉定位模型,该模型通过采用草稿式验证方法提高了准确性。模型首先使用回归头部生成一个推测性的边界框,然后通过迭代的坐标标记校验对其进行优化。与传统的坐标标记解码相比,该方法显著减少了实现精确本地化所需的连续通过次数。在RefCOCO、RefCOCO+和RefCOCOg等基准数据集上,LOCUS在更高的交并比(IoU)阈值下表现出更高的准确性,并在其参数类别中与其他模型相比显示出具有竞争力的性能。
-
Google DeepMind 发布 EmbeddingGemma 2,Locus 推出 AI 队友 · 跟踪 4 个来源
Google DeepMind 发布了 EmbeddingGemma 2,这是一个专为文本、代码和图像数据设计的开放式嵌入模型。此版本旨在为各种 AI 应用提供多功能工具。此外,Locus 推出了在专用容器上运行的持久化 AI 队友,为 AI 代理协作提供了一种新方法。
-
新方法通过上下文感知、基于子空间干预来增强 LLM 引导
两篇新研究论文介绍了一种引导大型语言模型的新方法,旨在无需大量重新训练即可提高对其输出的控制能力。MetaSteer 由 Mohammadmahdi Jafari 及其同事开发,通过调整注意力投影矩阵来学习非线性、上下文相关的干预。LocUS 由另一个研究小组提出,通过选择特定的注意力头部并将投影到目标子空间,将引导定位在模型的输出词汇子空间内。这两种方法在各种基准的零样本设置中都显示出有效性,性能优于现有基线,同时更好地保留了模型的通用能力。
-
Locus macOS工具新增Claude Plans支持,Duo Teams支持Fable 5.1及GPT 5.6
Locus,一款macOS上的开源工具,发布了重要更新,增加了对Claude Plans的支持,允许用户在无需API密钥的情况下与Claude、ChatGPT和Kimi集成。此次更新还通过“Duo Teams”功能增强了代理功能,允许使用一个模型进行规划,另一个模型进行执行,例如使用Plan With Fable 5.1进行规划,使用GPT-5.6进行执行。新的实验性功能包括用于可视化代理交互的可选Agent Worlds插件,以及即…
-
Intology 的 Locus 系统使用 PostTrainBench 方法论训练模型
Intology 开发了一个名为 Locus 的系统,该系统可以对现有模型进行后训练,并通过进一步训练 Qwen3 基础模型来展示其能力。该过程遵循 PostTrainBench 方法论,旨在增强模型超越其初始指令检查点。这一发展标志着模型能够训练其他模型迈出了重要一步,这是 PostTrainBench 框架中探索的一个概念。
-
LOCUS 语料库使美国地方法律机器可读
创建了一个名为 LOCUS 的新的机器可读语料库,以解决访问和理解美国地方法规的挑战。该语料库包含超过 9,000 部经过 OCR 处理并根据不透明性和家长式作风进行评分的市和县法规。另外 7,000 部法规被保留用于未来的基准测试,以测试模型记忆与检索本地法律信息的能力。
-
New Locus framework uses AI to guide medical image classification attention
研究人员开发了一个名为 Locus 的新框架,该框架利用来自预训练分割基础模型的解剖形状信息来指导医学图像分类。这种方法旨在将分类器的注意力引导到诊断相关的解剖结构上,而无需手动分割掩码。Locus 引入了一个正则化项,在解剖区域和背景区域之间平衡注意力,当背景注意力占主导地位时会惩罚分类器。该框架已在八个不同的医学影像数据集上得到验证,在分类性能和更符合解剖学的注意力图方面均有所改进。
-
New Locus framework guides AI attention to relevant anatomy in medical images
研究人员开发了 Locus,一个旨在通过引导模型注意力到诊断相关的解剖区域来改进医学图像分类的新框架。该方法利用预训练的分割基础模型提取解剖形状先验,避免了手动标注或专门的分割模型训练的需要。Locus 引入了一个正则化项,在解剖区域和背景区域之间平衡注意力,当背景注意力过高时对分类器进行惩罚。该框架在包括皮肤镜、X射线、组织病理学和心脏 MRI 在内的八个不同的医学影像数据集上,展示了持续的性能提升和更符合解剖学原理的注意力。
-
新的 LOCUS 语料库为 AI 研究解锁美国本地法规 · 跟踪 2 个来源
研究人员开发了 LOCUS,一个全面的美国本地法规语料库,旨在使这一关键的美国法律层面对大规模研究和 AI 应用开放。该语料库包含来自 9,000 多个市和县的代码,并包含覆盖美国大部分人口的统一层。为了处理各种文档格式,采用了光学字符识别 (OCR)。此外,该项目还训练了基于 ModernBERT 的分类器来分析地方性法律的维度,如不透明性和家长式作风,这些维度尚未在此规模上进行研究。
-
PerceptionDLM实现多模态模型的并行区域感知 · 跟踪6个来源
研究人员推出了PerceptionDLM,这是一种多模态扩散语言模型,专为高效的并行区域感知而设计。该模型利用扩散语言模型的并行解码能力,同时为多个图像区域生成描述,与顺序方法相比,显著提高了推理效率。为了评估这一新功能,创建了一个并行详细局部字幕基准(ParaDLC-Bench),该基准扩展了现有基准,使其包含每张图像的多个区域掩码。实验表明,PerceptionDLM在保持具有竞争力的字幕性能的同时,为多区域感知任务提供了显著的速度提升。