Orbit
PulseAugur coverage of Orbit — every cluster mentioning Orbit across labs, papers, and developer communities, ranked by signal.
- 2026-09-09 product_launch Remsy Schmilinsky launched ORBIT, a self-hosted AI gateway. 来源
- 2026-08-02 product_launch Orbit has been launched as an open-source AI platform. 来源
- 2026-05-12 research_milestone Publication of a new research paper detailing the ORBIT method for preserving LLM capabilities. 来源
4 天有情绪数据
-
新研究揭示了基于大语言模型的机器翻译评估的有效原则
研究人员对基于大语言模型（LLM）的机器翻译评估器进行了系统研究，探讨了指令设计、少样本示例以及骨干模型选择等因素如何影响评估准确性。他们的实验在新标注的 WMT24 和 WMT25 英俄翻译数据以及其他语言对的验证数据上进行，结果表明指令结构、演示质量和特定的 LLM 骨干模型都显著影响评估器性能。研究发现，结合不同 LLM 骨干模型的输出来进行评估，优于单一评估器设置。研究人员将这些发现综合起来，创建了一系列名为 ORBIT 的基…
-
AI模型利用游戏遥测数据预测《反恐精英2》中的人类反应
研究人员开发了新颖的AI模型EMBER和ORBIT，能够利用《反恐精英2》的高频游戏遥测数据实时预测人类反应。这些模型在事件发生前几毫秒即可获得数据进行训练，在预测“战或逃”反应方面，其准确性显著高于基线模型，甚至优于强大的LLM基线。该研究探讨了从快速反应到审慎控制的转变，并提出了通过数字交互理解人类行为的潜在应用。
-
ORBIT框架推进自回归时间序列生成
研究人员推出了一种新颖的深度生成框架ORBIT，旨在合成逼真的时间序列数据。ORBIT解决了学习分层表示和协调异构时间模式生成方面的挑战。它通过两个主要组件实现这一点：用于学习多频表示的频域分层VQ-VAE (FH-VQ-VAE) 和用于结构化生成过程的频域自回归Transformer (FBAR)，该过程在添加精细细节之前构建全局结构。实验表明，ORBIT在性能和推理效率方面均达到最先进水平。
-
Apogee 浏览器扩展提供本地、私密的 AI 摘要功能
Apogee 是一款新的、注重隐私的 AI 浏览器扩展，允许用户在本地摘要文章、视频和文档。它完全在浏览器内使用 WebGPU 或 WebAssembly 运行，也可以连接到本地的 Ollama 或 llama.cpp 服务器，以满足更高级用户的需求。与 Mozilla 的 Orbit 项目等之前的尝试不同，Apogee 不依赖云 API，也不需要用户账户，确保所有数据都保留在用户的设备上。
-
新研究探索用于大型语言模型的先进压缩技术，包括条件计算和结构引导方法
三篇新研究论文探索了大型语言模型的先进压缩技术。LRCC将条件计算引入低秩分解，动态分配每个token的计算量，以提高Llama和Qwen等模型的性能。NeuralZip专注于通过重用统计分析和代码构建来实现快速无损压缩，从而显著加快速度并实现精确重建。OrBIT提出了一个用于嵌入压缩的结构引导框架，学习可重用的局部几何形状，在GPT-2等模型上实现高压缩率，同时保持有竞争力的性能。
-
新研究应对多智能体AI安全与挑战 · 追踪7个来源
多篇研究论文正在探索多智能体系统（特别是由大型语言模型LLM驱动的系统）的高级安全和安保机制。这些研究解决了诸如防止组合智能体能力被禁止使用、确保持续更新其参数的自我演化智能体的安全，以及开发针对恶意指令或误导性信息的运行时防御等挑战。FlowReview、SAVER、HARDE、CoSec、SEAD和ORBIT等框架正在被引入，用于对智能体安全进行基准测试和增强，重点关注授权配对评估、纵向安全评估、风险感知工具优化、社区安全评估以及…
-
自托管 AI 网关 ORBIT 连接私有数据到模型
Remsy Schmilinsky 开发了 ORBIT，一个自托管的 AI 网关，旨在促进私有数据源和使用工具的代理之间的连接。该网关允许用户通过一个与 OpenAI 兼容的 API 将文件、数据库和 API 与本地或托管的 AI 模型集成。该项目可在 GitHub 上找到。
-
新AI框架可在无手动标注的情况下检测胎儿超声心动图的心脏相位
研究人员开发了ORBIT，一个新颖的自监督框架，旨在无需手动标注即可自动检测胎儿超声心动图中的心脏相位。该系统从超声视频中学习潜在运动轨迹，识别出与舒张末期和收缩末期相对应的关键过渡点。ORBIT在各种胎儿心脏方向上表现出鲁棒性，并有望准确分析正常和先天性心脏病病例，从而可能简化诊断流程。
-
新框架 ORBIT 探究蛋白质适应性景观中的复杂相互作用
研究人员开发了 ORBIT 框架，用于分析蛋白质适应性景观中的复杂相互作用。该方法区分了相互作用的存在、表示能够访问它们的程度以及实现的功能恢复。ORBIT 在合成景观和 GB1 适应性景观上进行了测试，并比较了各种机器学习模型，包括标准的 MLP 和新颖的残差交互 Tokenization (RIT) 方法。虽然 RIT 在 Token 阶段显示出改进的成对可访问性，但更深的 MLP 在高阶相互作用的预测和功能恢复方面表现更好。
-
新的 ORBIT++ 基准测试挑战运动恢复结构方法
研究人员推出了 ORBIT++，这是一个旨在评估运动恢复结构 (SfM) 方法在充满挑战的真实世界条件下的新基准测试。该基准测试利用 360 度全景视频创建视角剪辑，为相机姿态估计提供更丰富的视觉上下文。初步实验表明，包括 COLMAP 以及最近的基于优化和前馈方法在内的当前 SfM 方法在 ORBIT++ 所呈现的复杂性方面面临困难。
-
新研究解决了时间序列基础模型的训练和评估挑战
两篇新研究论文探讨了时间序列基础模型（TSFM）的训练和评估挑战。第一篇论文介绍了 ORBIT，一种新颖的训练范式，旨在控制分布特性，如领域不平衡和上下文需求，并用一个名为 Falcon-2.0 的 Transformer 模型证明了其有效性。第二篇论文在预测金融数据时，识别出 TSFM 中一种称为“预测崩溃”的现象，即预测变得平坦且排名不佳，并提出了一种新的目标函数 CalibRank 来解决这个问题。
-
新的ORBIT技术可在语言模型中实现多属性控制
研究人员开发了ORBIT，一种新的无训练技术，用于同时控制语言模型的多个行为属性。与以往难以组合属性的方法不同，ORBIT使用正交子空间旋转来引导多种特质，而不会出现范数不平衡或方向抵消。该技术还引入了TraitFactory，一个用于评估多属性控制的新基准，并在Llama 3.2:3b和Qwen 2.5 7B等模型上展示了优于现有基线方法的性能。
-
Orbit 作为统一 API 的开源 AI 平台推出
Orbit 是一个新推出的开源 AI 平台，旨在统一访问各种 AI 组件。它提供了一个单一的 API 来管理文件、数据库、模型和工具。该平台支持本地和云部署，并内置身份验证和治理功能。
-
Anthropic 的 Claude AI 通过 Orbit 增强，实现多工具功能
本文探讨了如何利用 Anthropic 的 Claude AI 模型，使其能够作为一个全面的 AI 团队运行。文章详细介绍了使用 Claude 结合 Orbit 平台实现的七种特定技术或“技巧”。这些方法旨在增强 Claude 的能力，使其能够执行通常由多个专业 AI 工具处理的更广泛的任务。
-
开发者使用 Git worktrees 实现跨多个代码库的 AI 代理
一位开发者描述了他们如何让 AI 代理能够同时处理多个代码仓库的历程。最初尝试在代理会话之间复制粘贴代码或将代理启动在项目根目录，由于上下文丢失或代理因过多不相关仓库而不堪重负，效率低下。开发者通过使用 Git worktrees 找到了解决方案，Git worktrees 允许在共享的 Git 对象数据库中存在仓库的多个副本，从而使代理能够以一致且高效的方式访问和修改不同仓库中的代码。
-
新的ORBIT方法实现了语言模型的多属性引导
研究人员开发了ORBIT，一种新颖的无训练方法，用于同时引导语言模型的多个行为属性。与以往在组合属性或需要重新训练方面存在困难的方法不同，ORBIT使用奇异值分解创建引导平面的联合子空间，通过单一旋转来实现组合目标方向。该方法还包括自适应的每token门控和对弱属性的可选加性增强。ORBIT在新的基准测试TraitFactory和ToneBank上，在多个模型上进行了评估，与现有基线相比，展示了卓越的多属性引导能力和更好的输出连贯性。
-
新的LLM路由方法解决成本、安全和评估问题 · 跟踪4个来源
研究人员正在开发新的方法来优化大型语言模型（LLM）路由，旨在平衡推理成本与用户满意度和服務水平協議（SLA）。SLARouter是一种在线算法，通过稀疏的用户反馈进行学习，以实现成本最优和SLA合规性，将成本降低高达2.2倍。此外，RouteJudge提供了一个开放平台来评估LLM路由系统，专注于路由器级别的决策质量，并提供了一个用于开发和比较路由算法的工具箱。另外，一种名为强制延迟攻击（FDA）的新攻击被识别出来，它通过强制查询更…
-
八个大语言模型重分析RNA测序数据，六个复现结果
研究人员使用八个先进的大语言模型对白色念珠菌的RNA测序数据集进行了重新分析，旨在复现之前的研究。其中六个模型成功复现了关于SCF1下调的原始发现。研究还强调了模型之间显著的成本差异，同一分析的API费用从2.82美元到131.83美元不等。
-
GitLab的Orbit知识图谱解决AI令牌浪费问题
GitLab推出了知识图谱“Orbit”，它能够构建代码仓库的结构，为代理提供精确的上下文，从而解决了大型语言模型相关的令牌成本高昂的问题。这种方法已经过GitLab自身开发团队的验证，显著减少了代理需要处理的数据量，从而降低了成本。文章将GitLab的解决方案与一种名为jCodeMunch的本地、MCP原生替代方案进行了对比，后者在无需企业级基础设施或经常性费用的情况下提供了类似的效率优势。
-
Sphere AI Lab 开源 Orbit 以支持单节点万亿参数模型训练
Sphere AI Lab 发布了 Orbit，一个用于大型语言模型后训练的开源框架。该框架允许在单个高性能节点上对 DeepSeek-V4 等万亿参数模型进行微调。此举旨在提高先进模型训练的可及性。