quest
PulseAugur coverage of quest — every cluster mentioning quest across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
NVIDIA Vera CPU 将加速洛斯阿拉莫斯国家实验室的科学智能体 AI
NVIDIA 的 Vera CPU 将为洛斯阿拉莫斯国家实验室 (LANL) 的新超级计算机提供动力，增强科学发现和智能体 AI 能力。名为 Mission、Vision 和 Veritas 的新系统将把 Vera CPU 与 NVIDIA Rubin GPU 和 InfiniBand 网络集成在一起。早期测试表明，Vera CPU 在 URSA AI 智能体和 Branson 模拟工具等科学工作负载上的性能明显优于之前的架构，有望加…
-
新的QUEST框架在机器学习中提供了改进的不确定性量化
一种名为QUEST（Quantifying Uncertainty via highest dEnSiTy regions）的新框架已被提出用于机器学习中的不确定性量化。该方法通过分布支撑集中最可能子集的体积来表征不确定性，为基于适当评分规则的方法提供了一种替代方案。QUEST度量已被证明满足不确定性量化的关键公理，并在选择性预测基准测试中与方差和微分熵等标准度量相比表现良好。
-
Meta 为 VR Android 开发者推出 AI 工具包
Meta 发布了一款名为 Horizon Debug Bridge 的新 AI 开发工具包，旨在协助从事虚拟现实应用程序开发的 Android 开发者。该工具将 AI 编码助手直接集成到 40 多个 Quest 开发工具中，旨在简化空间计算应用程序的创建。
-
Meta 发布 Llama 4，配备 Scout 和 Maverick 双模型
Meta 发布了 Llama 4，该模型包含两个独立的模型：Scout 和 Maverick。Scout 设计用于高效部署，占地面积小，延迟低，适用于设备端应用。而 Maverick 则是一个高性能模型，旨在与 GPT-4 Turbo 等顶级专有模型竞争，Meta 声称其在某些推理基准测试上能媲美甚至超越 GPT-4 Turbo。这种双模型方法为开发人员提供了灵活性，既提供了用于生产的高效选项，也提供了用于研究的强大选项，所有这些都基…
-
Larch 框架优化 AI SQL 查询执行
研究人员开发了 Larch，一个旨在优化 AI SQL 查询中语义过滤器执行的新框架。Larch 解决了语义运算符相关的高推理成本和延迟问题，这些运算符将 AI 生成的过滤器视为黑箱，阻碍了传统优化。该框架利用增强嵌入的神经网络和监督学习模型来预测过滤器选择性并确定最佳评估顺序，从而显著减少了 token 使用量。
-
新的强化学习框架提升了大型语言模型在多答案问答方面的能力
研究人员推出了一种新的强化学习框架 SPADER，旨在增强大型语言模型回答需要多个有效响应的复杂问题的能力。该框架解决了在长序列动作中分配信用以及鼓励探索不太常见信息所面临的挑战。SPADER 利用一种新颖的分步信用分配机制和一个奖励系统，该系统优先发现多样化的、长尾的答案而非冗余的答案，并在多个多答案问答基准测试中表现出性能提升。
-
QueST方法识别空间转录组数据中的细胞生态位
研究人员开发了QueST，一种新颖的计算方法，旨在识别不同空间转录组样本中相似的细胞生态位。该方法将生态位建模为子图，并利用对比学习和对抗性训练来学习区分性嵌入并减轻批次效应。与现有工具相比，QueST在模拟和基准数据集上表现出优越的性能，在捕获生态位结构和跨测序平台的泛化能力方面显示出准确性。
-
KV 缓存驱逐保护比评分更重要
研究人员开发了一种管理大型语言模型中 KV 缓存驱逐的新方法，发现结构性保护比评分算法更关键。他们对 Transformer 模型的研究表明，如果没有保护，现有的驱逐策略会显著退化。通过为结构性保护保留一小部分缓存，模型即使在缓存大小有限的情况下，也能恢复相当数量的原始质量。
-
新的开放权重代理利用合成数据和新颖的架构来处理深度研究任务
两篇新的研究论文介绍了专为深度研究任务设计的先进代理系统。第一篇，QUEST，提供了一系列在合成数据上训练的开放权重模型（2B 到 35B 参数），在事实查找、引用归因和报告合成方面表现出色，可与专有代理相媲美。第二篇，Argus，提出了一个基于 35B MoE 主干构建的协作式 Searcher-Navigator 系统，该系统擅长从互补来源组装证据，在 BrowseComp 等基准测试中取得了最先进的成果，同时保持了可管理的上下文窗口。
-
新基准LIMIT+揭示神经检索器在复杂集合组合查询方面存在困难
一篇新近发表在arXiv上的研究调查了信息检索系统在面对复杂、集合组合查询时的性能。研究人员发现，虽然神经检索方法在某些基准测试上显著优于传统的BM25，但在旨在测试约束满足的更受控的数据集上，其有效性有所下降。研究强调，随着查询复杂度的增加，所有方法的性能都会持续下降，而词汇检索比密集检索方法表现出更稳定的结果。
-
Meta 的 AI 投资推高了组件成本，导致 Quest 头显价格上涨。
由于组件成本上升，特别是内存芯片，Meta 将其 Quest VR 头显的价格提高了 50-100 美元。该公司部分将此归因于其自身在 AI 基础设施上的巨额投资，这推高了对 RAM 等基本组件的需求和价格。Meta 今年预计的 AI 资本支出在 1150 亿至 1350 亿美元之间，与往年相比大幅增加。