PulseAugur
中
实时 19:28:27
实体 Pase

Pase

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

Show in brief
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
  1. TOOL · CL_352090 ·

    新的PASE框架通过可执行程序增强LLM代理技能

    研究人员推出了一种名为PASE(程序辅助可修复技能演化)的新框架,旨在增强大型语言模型(LLM)代理的适应性。与以往主要将技能表示为自然语言的方法不同,PASE将技能与可执行程序相关联。这种将过程逻辑分离到可编辑程序中的方式,允许进行更有针对性的更新,并减少了对自然语言描述进行大量修改的需求。实验表明,PASE的性能持续优于现有方法,性能提升超过2.8%,并展现出更强的演化稳定性和泛化能力。

  2. RESEARCH · CL_183099 ·

    新的PASE模型通过减少幻觉来增强语音质量 · 跟踪3个来源

    研究人员开发了一系列生成语音增强模型,以PASE为起点,该模型利用WavLM的语音学先验来减少幻觉。后续的StuPASE和UniPASE在此基础上进行构建。StuPASE通过用流匹配方法替换其生成模块来增强感知质量并处理严重噪声,而UniPASE则使用称为DeWavLM-Omni的统一表示模块将该框架扩展到跨多个采样率的通用语音增强。与以前的方法相比,这些模型旨在以显着降低的语言和声学幻觉实现录音室级的语音恢复。

  3. TOOL · CL_122965 ·

    新的 PASE 框架使用 LLM 和神经符号模型进行自适应云修复

    研究人员开发了 PASE,一个新颖的基于云的 AI 系统的自愈框架,该框架使用大型语言模型 (LLM) 作为核心计划合成引擎。该引擎从语义原语生成结构化恢复计划,然后通过神经符号世界模型的仿真进行可行性验证。一个通过深度强化学习训练的 Meta-Prompt Optimizer 优化了 LLM 的规划过程。这种集成方法将系统恢复时间显著缩短了 40% 以上,并提高了未知场景下的故障检测准确性,从而推进了自主系统管理。