Macro
PulseAugur coverage of Macro — every cluster mentioning Macro across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
MACRO方法增强了用于近景渲染的3D高斯泼溅技术
研究人员开发了MACRO，一种新颖的无训练方法，旨在提高3D高斯泼溅（3DGS）在近景渲染中的质量。该方法解决了特征尺度不不变性导致内容在不同尺度下出现错误对应关系的尺度差距问题。MACRO通过将场景分解为深度平面，在编码前将参考图像调整到匹配每个平面的尺度，并应用深度感知注意力掩码来实现这一点。这种方法不需要架构更改或额外训练，并在新的近景新视角合成基准测试中取得了最先进的结果。
-
新框架Macro改进多语言LLM解释
研究人员开发了Macro，一个旨在改进多语言大型语言模型反事实解释生成的新框架。该方法利用直接偏好优化（DPO）来平衡解释有效性和输入修改最小化之间的权衡。实验表明，Macro在不牺牲最小化的前提下显著提高了解释的有效性，优于链式思考（chain-of-thought）和监督微调（supervised fine-tuning）等先前方法。
-
开发者构建AI将股票价格分解为六个组成部分
一位开发者正在创建一个AI模型，旨在将股票价格分解为六个不同的要素：账面价值、收益溢价、宏观因素、重大事件、媒体影响以及残差部分。目前的重点是解释历史价格变动，下一步是调整该模型以预测未来概率，而不是提供直接建议。
-
新框架Macro增强多语言LLM解释
研究人员开发了一个名为Macro的新框架，以改进多语言大型语言模型（LLM）的反事实解释生成。这个偏好对齐框架使用直接偏好优化（DPO）来平衡解释有效性和最小性之间的权衡，这对于非英语语言一直是一个挑战。跨七种语言的实验表明，Macro在不牺牲最小性的情况下显著提高了解释的有效性，优于链式思考（chain-of-thought）和监督微调（supervised fine-tuning）基线。
-
新的MACRO优化器揭秘大语言模型预训练约束
研究人员推出了一种新颖的优化框架MACRO，旨在揭秘大语言模型预训练中流形约束的作用。该框架在理论上将权重正则化与RMS归一化和解耦权重衰减等其他稳定技术分离开来。在大规模大语言模型架构上的实证评估表明，MACRO在保持精确黎曼优化的理论保证的同时，取得了具有竞争力的性能。