实体
Margin
Margin
PulseAugur coverage of Margin — every cluster mentioning Margin across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
时间线
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的MARGIN方法校准多智能体基础模型的置信度
研究人员开发了MARGIN，一种新颖的在线校准方法，旨在提高多智能体基础模型协调的可靠性。与在分布变化下会退化的传统设计时校准技术不同，MARGIN实时地直接从任务流中学习校准因子。这种方法不需要访问模型本身或任何留出数据。跨多个模型和基准的实证结果表明，MARGIN显著降低了校准误差，并大大增强了在多智能体系统中选择最准确的智能体响应的能力。
-
新的MARGIN方法实时校准基础模型智能体
研究人员开发了一种新的在线校准方法MARGIN，旨在提高多智能体系统中基础模型智能体的可信度。与需要模型访问和固定数据集的传统方法不同，MARGIN直接从任务流中实时学习校准因子，无需重新训练或使用保留数据。在19个模型和8个基准上的实验表明，MARGIN在分布变化下显著降低了校准误差，并提高了协调器选择最准确智能体响应的能力，在某些情况下甚至优于随机选择和表现最佳的单一模型。
-
新的MARGIN框架改进了不平衡软件漏洞检测
研究人员推出了一种名为MARGIN的新框架，旨在改进软件漏洞的检测，特别是在频率不平衡和存在困难的数据集中。MARGIN通过分析超球表示空间中的几何畸变来应对这些挑战。该框架采用自适应边距度量学习和超球原型建模，以创建更具辨别力的漏洞表示和更稳定的决策边界。实验表明，MARGIN的性能优于现有方法，在分类、检测、鲁棒性、可解释性和泛化能力方面都有所提升。