Noesis
PulseAugur coverage of Noesis — every cluster mentioning Noesis across labs, papers, and developer communities, ranked by signal.
-
Noesis 架构提高了小型语言模型的准确性
研究人员开发了 Noesis，这是一种旨在提高小型本地语言模型事实性的新型架构，特别适用于受监管领域中的查询。Noesis 通过实施确定性优先方法解决了模型捏造数字和时间戳的常见问题。该系统优先考虑准确检索和上下文利用，使一个 2B 参数的模型能够达到 35B 参数模型的真实性。
-
Noesis架构通过自适应并行和语义发现增强了Graph-RAG
研究人员推出了一种新颖的Graph-RAG架构Noesis，旨在克服当前系统的局限性。Noesis采用四种算法来解决静态分块、自适应扩展和多领域部署的挑战。该系统在速度和效率方面取得了显著改进，在零内存溢出事件的情况下实现了23倍的速度提升，并在消费级GPU上实现了6.3倍的速度提升，同时在HotpotQA基准测试中也超越了现有方法。
-
Noesis架构通过自适应并行和跨知识库路由增强Graph-RAG · 跟踪2个来源
研究人员推出了一种新颖的Graph-RAG架构Noesis，旨在克服将大型语言模型与领域特定知识进行基础化的局限性。Noesis采用了四种关键算法：用于模拟人类阅读的双向图遍历、用于实现23倍加速的自适应扩展的AIMD并发控制器、用于提供消费级GPU上6.3倍加速的领域感知量化的Moesis，以及用于跨知识库语义路由的Mesh。该系统在HotpotQA基准测试中表现出显著的改进，达到了59.5 EM / 74.7 F1，比现有的Gra…
-
新基准揭示大型语言模型信息过度披露
研究人员开发了一个新的基准来评估大型语言模型在目标与其真实响应相冲突时的诚实度。该基准基于经济学理论，在不同程度的偏好不一致情况下测试了 GPT-4o 和 Claude Sonnet 4.5 等模型。初步研究结果表明，这些模型倾向于过度披露信息，并表现出近乎完全的披露，而不是理论预测的战略性、粗略划分。此外，一个名为 Noesis 的新开源运行时正在开发中，旨在解决人工智能系统缺乏原生不确定性表示的问题，以构建更具可检查性和诚实性的人工智能代理。