Pace
PulseAugur coverage of Pace — every cluster mentioning Pace across labs, papers, and developer communities, ranked by signal.
- 2026-07-13 research_milestone Researchers introduced PACE, an AI system for personalized 9-1-1 call-taker training, demonstrating significant improvements in training efficiency and mastery. 来源
- 2026-05-27 funding NYC-based Pace, an AI company automating insurance operations, raised $46 million in Series B funding led by Thrive and Sequoia at a $375 million valuation. 来源
- 2026-05-27 funding Pace raised $46 million in Series B funding co-led by Thrive Capital and Sequoia Capital, valuing the company at $375 million. 来源
- 2026-05-25 research_milestone A new research paper introduces the PACE framework for self-evolving small language model agents. 来源
5 天有情绪数据
-
新的 PACE 中间件提高了 LLM 语音对话的上下文准确性
研究人员开发了 PACE，这是一个新的中间件层，旨在提高全双工语音对话系统中的上下文管理。该系统解决了生成式上下文错误锚定 (GCM) 问题，即由于助手生成响应的速度快于用户听到它们的速度，导致用户语音被误解。PACE 将模型的上下文锚定到客户端播放边界，确保助手的内容准确地反映在用户的理解中。该系统在新 GCM-Bench 数据集上将指代锚定准确性从 25.0% 显著提高到 96.3%，同时在 Full-Duplex-Bench v…
-
新研究探索内存增强进化用于代码优化
两篇新研究论文提出了增强进化算法以进行代码优化和自动化算法设计的新方法。EvoMem 引入了一个持久化内存架构，用于捕获和重用不同运行和任务中的成功变异策略，旨在减少冗余探索。另一方面，PACE 专注于将局部逻辑解耦为称为可执行算法原语（EAP）的持久化单元，以实现有价值代码片段的代码级迁移和重用。
-
新的PACE框架通过交错推理和执行来加速具身AI规划
研究人员开发了PACE（Planning with Adaptive Cognitive Effort，具有自适应认知努力的规划）新框架，旨在通过解决过高的推理延迟，使增强推理的大型语言模型在具身系统中更加实用。PACE引入了交错思考-行动（Interleaved Think-Act）架构，允许推理和行动执行并发进行，同时还有一个动态预算分配器（Dynamic Budget Allocator），根据可用执行时间调整推理令牌预算。在Q…
-
Coros 更新手表，加入类似 Garmin 的实时追踪和睡眠洞察功能
Coros 为其 Pace、Apex 和 Vertix 手表系列发布了重要更新，增强了实时追踪、睡眠分析和心率数据呈现等功能。新的实时追踪功能类似于 Garmin 的 LiveTrack，允许用户通过网络链接与观众分享实时进度，需要连接配对的智能手机。睡眠追踪改进包括将午睡纳入睡眠评分，更加强调睡眠一致性和压力，以及合并睡眠时段的能力。还引入了新的指标，如就寝时间一致性和睡眠压力，提供了对睡眠模式和外部影响的更深入洞察。
-
新数据库FakeIDet3-DB旨在提高AI驱动的身份伪造检测能力
研究人员推出了FakeIDet3-DB，这是一个旨在改进伪造身份文件检测的新数据库。该数据库包含在真实、政府颁发的身份证件上的传统和生成式AI驱动的篡改，解决了因隐私法规而使用的合成模板的局限性。该系统采用了一种名为PACE的隐私感知补丁提取算法，该算法在防止个人身份信息泄露的同时生成数百万个补丁。评估表明，当前最先进的模型难以检测到这些复杂的攻击，表明需要更强大的取证工具。
-
LLM应用于算法交易以优化订单执行
研究人员开发了PACE（Plan-Ahead Controlled Execution）框架，该框架利用大型语言模型（LLM）来执行算法交易中的父订单。该方法旨在优化大订单拆分为小订单的过程，以最小化执行成本，且无需特定的市场假设或任务特定训练。在深圳证券交易所数据上的实验表明，PACE优于TWAP和Almgren-Chriss等现有方法，表明LLM可以与人类不同的方式做出执行决策，并且更高的置信度与更好的表现相关。
-
新的 PACE 方法提高了无人机相对定位精度
研究人员开发了一种名为极地轴向条件估计（PACE）的新方法，以改进无人机（UAV）的相对定位。传统方法将航向和距离视为同质坐标，迫使它们使用相同的解码器和优化状态，这会导致性能不佳。PACE 通过分配轴特定读出接口来解决此问题，允许航向利用中/后期关系证据，而距离则依赖于直接的后期度量路径。该方法在官方隐藏测试中取得了 0.001874 的最终得分，优于之前的预测器。
-
Ponsport推出支持多项运动的AI体育教练机器人Aura
Ponsport推出了Aura，这是一款全能AI体育教练机器人，旨在满足网球选手以外更广泛受众的需求。这款新设备集成了AI教练系统，可提供实时反馈和指导，模拟人类教练在训练过程中的作用。Aura支持网球、匹克球和板式网球等多种运动，用户可以通过应用内购买解锁不同的运动模块，从而创建一个可扩展的个性化体育训练生态系统。
-
新研究强调了大型语言模型和视觉语言模型中思维链的低效和过度自信
研究人员发现，大型语言模型（LLMs）的思维链（CoT）提示存在低效问题，其中有效但冗余的推理步骤会增加计算成本，但不会提高准确性。新开发的诊断基准 RIV-GSM8K 和一个名为 CAID 的指标，用于识别和惩罚这些“信息泡沫”步骤。一种事后压缩策略 PACE，利用 CAID，在保持准确性的同时，在各种基准测试中显著减少了 token（31-53%）。另外，值得注意的是，视觉语言模型（VLMs）中的 CoT 提示可能导致过度自信，这…
-
AI系统PACE实现9-1-1接线员培训个性化
研究人员开发了PACE（个性化自适应课程引擎），旨在改进9-1-1接线员的培训。该AI协同驾驶系统通过维护关于受训者技能状态的概率性信念和模拟学习动态，解决了对大量人员进行一千多种相互依赖技能培训的挑战。PACE推荐培训场景，以平衡新技能的获取和现有技能的保留，与现有框架相比，显著缩短了胜任时间并提高了最终掌握程度。
-
SkillAudit 框架在无真实情况反馈下演进 LLM 代理技能
研究人员开发了 SkillAudit，一个新颖的框架，旨在无需真实情况反馈即可演进 LLM 的代理技能。该方法利用配对轨迹审计，即在有和没有候选技能的情况下执行任务，以隔离行为变化。然后，过程对齐对比评估 (PACE) 将这些差异转化为技能文档的可操作编辑。SkillAudit 证明了显著的性能提升，在 89 个任务中实现了 73.9% 的平均任务奖励，优于具有和不具有静态专家技能的代理。
-
开源PACE工具通过并行LLM批处理自动化内容分析
一个名为PACE的开源Streamlit应用程序已被开发出来，用于自动化分析各种类型的内容，包括研究论文、视频和文章。该管道从五个来源摄取内容，进行清理和分块，然后使用并行LLM批处理生成一个结构化的10部分报告。这种并行处理通过将各部分分组为三个并发批次，显著减少了分析时间，性能提升约60%。该系统在设计时考虑了模块化和安全性，支持与OpenAI兼容的API，并包含防止服务器端请求伪造漏洞的措施。
-
新的机器学习方法通过交互和几何来模拟细胞轨迹
两篇新的研究论文介绍了用于从单细胞RNA测序数据推断细胞发育轨迹的先进机器学习技术。CellBRIDGE 使用感知交互的对齐来模拟配体-受体信号传导，从而改进轨迹估计并实现计算机模拟扰动。PACE 采用几何感知的桥接传输，构建黎曼度量来精炼跨时间的细胞耦合，并将动力学提炼成连续时间速度场，在各种数据集上优于现有方法。
-
AI公司Pace以3.75亿美元估值完成4600万美元B轮融资
专注于自动化保险运营的AI公司Pace，已获得由Thrive和Sequoia领投的4600万美元B轮融资，估值达到3.75亿美元。本轮融资凸显了AI领域的重大活动，包括Robinhood使用AI代理推出的新自主交易功能，以及内存芯片制造商Micron和SK Hynix因AI需求达到的主要市值里程碑。此外，Cognition AI以260亿美元的估值筹集了10亿美元，ElevenLabs发布了其Music v2模型。
-
AI 保险自动化公司 Pace 以 3.75 亿美元估值融资 4600 万美元
Pace 是一家专注于自动化保险后台任务的 AI 初创公司，已获得 4600 万美元 B 轮融资。该公司利用能够与遗留系统交互的 AI 代理，以高精度处理保险索赔。此轮融资由 Thrive Capital 和 Sequoia Capital 共同领投，使 Pace 的估值达到 3.75 亿美元，凸显了 AI 在技术基础设施复杂且过时的行业中的日益普及。
-
PACE框架使小型语言模型能够自进化
研究人员开发了PACE，一种新颖的框架，使小型语言模型（SLM）智能体能够在无需模型权重更新或访问前沿模型的情况下进行自进化。这种双时间尺度方法将提示优化与控制逻辑更新分开，从而在资源受限的情况下实现更强大、更高效的智能体开发。在对各种SLM骨干模型和基准的评估中，PACE展示了比现有方法显著的性能提升，为在生产环境中部署有能力的SLM智能体提供了一条可行的途径。
-
PACE框架通过几何感知传输增强单细胞轨迹推断
研究人员开发了PACE，一种用于单细胞轨迹推断的新框架，该框架解决了从时间序列快照重建细胞动力学固有的不适定性问题。PACE通过构建各向异性黎曼度量来利用几何感知方法，以更好地对齐不同实验时间点的细胞，并考虑异步发育。该方法改进了跨时间耦合，并在快照之间拟合神经桥，最终将这些动力学提炼成连续时间速度场。在多个数据集上的评估表明，与现有方法相比，PACE具有更优越的重建性能和改进的RNA速度对齐。
-
SpecTM: 谱面目标掩码，用于可信赖的基础模型
研究人员开发了SpecTM，一种用于地球观测基础模型的新型物理信息掩码技术。该方法通过强制执行物理约束来增强可信赖性，特别是对于在公共卫生领域至关重要的预测模型。SpecTM集成了自监督学习框架，共同优化波段重建、生物光学指数推理和时间预测，在利用NASA PACE高光谱图像进行微囊藻毒素浓度回归方面取得了显著改进。
-
PiCSRL方法增强了高维数据的自适应感知能力
研究人员开发了PiCSRL，一种新颖的物理信息上下文谱强化学习方法，旨在提高高维、小样本环境下的自适应感知能力。该方法将领域知识和物理信息特征整合到强化学习的状态表示中，提高了预测准确性和样本效率。在利用NASA PACE高光谱图像进行的蓝藻基因浓度自适应采样任务中，PiCSRL表现出优越的性能，在最优站点选择和水华检测方面优于现有基线。
-
新研究探索集成模型以提高人工智能性能和鲁棒性
两篇新研究论文介绍了改进机器学习集成模型的新方法。第一篇PACE结合了剪枝和压缩技术，创建了更高效、更具可解释性的集成模型，性能优于现有方法。第二篇扰动与修正（Perturb-and-Correct, P&C）使用单个预训练网络的后验扰动来生成预测器，这些预测器在校准数据上保持一致，但在其他方面有所不同。P&C展示了在分布内和分布外性能之间的有力权衡。