实体
Mary Isabelle Wisell
Mary Isabelle Wisell
PulseAugur coverage of Mary Isabelle Wisell — every cluster mentioning Mary Isabelle Wisell across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新理论增强了视觉语言模型的分布外检测能力
研究人员为视觉语言模型（VLMs）开发了一个环境感知的分布外（OOD）检测的理论框架。这种新方法旨在通过考虑来自先前环境的信息，来改进VLMs处理不同环境和拒绝无关输入的方式。所提出的方法使用贡献分数和跨环境最大概念匹配（MCM）分数，与分析孤立环境的现有检测器相比，在某些条件下理论上保证了更低的误报率。
-
新的多智能体系统提高了视觉语言模型在分布外检测方面的性能
研究人员推出了一种新颖的多智能体系统 SABRE（Selective Agentic Budgeted Reliability Ensemble），旨在提高视觉语言模型在分布外（OOD）检测方面的性能。与依赖基于基准测试选择的单一固定检测器的传统方法不同，SABRE 在推理时动态选择最可靠的检测器。这是通过三个语言模型智能体实现的，它们协同工作，在有限的查询预算内选择、整合证据并校准检测器，从而适应不同的数据领域。
-
新的GRASP方法大幅降低了多源AI学习的内存需求
研究人员开发了一种新颖的多源迁移学习方法GRASP（Gradient-Aligned Sequential Parameter Transfer），该方法显著降低了内存需求。与需要将所有源模型加载到内存中的现有方法不同，GRASP按顺序处理源，利用梯度对齐选择性地仅传输相关参数。该技术允许在恒定的内存使用情况下集成知识，使其适用于资源受限的环境以及源数量庞大或不断变化的情况。