PulseAugur
中
实时 13:08:53
实体 Meco

Meco

PulseAugur coverage of Meco — every cluster mentioning Meco across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 5
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_336337 ·

    DIFFNAS框架在神经架构搜索中消除了对预测器的需求

    研究人员开发了DIFFNAS,一个新颖的神经架构搜索(NAS)框架,它消除了对性能预测器的需求。通过利用离散图扩散模型和像MeCo和SWAP这样的零成本评估指标,DIFFNAS可以有效地搜索最优的深度网络架构。在NAS-Bench-201上的实验表明,与以前的方法相比,它以显著降低的计算成本在CIFAR-10和CIFAR-100上找到了表现最佳的架构。

  2. TOOL · CL_327313 ·

    新的MECo框架将LLM意图转化为可执行代码,用于分子编辑

    研究人员开发了MECo,一个旨在改进药物发现分子编辑的新框架。MECo将大型语言模型生成的高级编辑意图转化为可执行代码,确保更准确和可解释的结构修改。该方法在重现真实编辑方面实现了超过98%的准确率,并显著提高了下游基准测试的一致性和成功率,为药物设计中更有效的人机协作铺平了道路。

  3. TOOL · CL_284508 ·

    研究发现:语言模型惊奇度可预测中文阅读时间

    一篇新发表在arXiv上的研究分析了语言模型(LM)惊奇度对中文阅读时间的预测能力。研究人员开发了最短匹配序列(SMS)对齐方案,以弥合眼动追踪语料库和LM子词分词之间的差异。使用Chinese-Pythia模型,研究发现LM惊奇度可以预测阅读时间,尽管其有效性因语料库和模型大小而异,在某些情况下表现出反向缩放。

  4. TOOL · CL_257163 ·

    元学习优化器MeCO增强黑箱优化

    研究人员开发了MeCO,这是一种新颖的元学习辅助优化器,旨在改进约束黑箱优化。MeCO集成了SHADE优化器和双深度Q网络控制器,以学习自适应松弛策略。这种方法允许控制器根据种群和约束特征选择松弛向量,从而能够有效地跨各种问题实例进行迁移,包括基准函数、高维问题以及无人机路径规划等现实世界工程任务。

  5. RESEARCH · CL_79488 ·

    MeCo 通过生成式校正器改进语音分离

    研究人员推出 MeCo,一种新颖的一步生成式校正器,用于多通道语音分离。该方法使用基于均值流的方法将估计的音频直接映射到干净的语音,旨在提高人类听觉质量,超越传统的判别模型。MeCo 结合了数据空间优化和 $\mathbf{x}_r$-loss 以及端点 SI-SDR loss,以增强信号保真度和主观听觉体验。