Raven
PulseAugur coverage of Raven — every cluster mentioning Raven across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
RAVEN记忆系统增强机器人导航和问答任务
研究人员推出RAVEN，一种新颖的代理记忆系统，专为长视域机器人任务（如问答和导航）而设计。RAVEN利用向量数据库存储具有空间和时间信息的视觉嵌入，无需依赖有损的图像到文本字幕即可实现高效检索。在基准测试中，RAVEN的表现优于基于字幕的系统，并且以显著更低的检索成本匹配了最先进的VLMs。该系统已成功部署在Unitree Go1机器人上，用于大型室内环境中进行自然语言目标导向导航。
-
RAVEN模型通过自适应上下文窗口增强金融预测能力
研究人员推出RAVEN，一个旨在改进金融时间序列预测的新型专家混合（Mixture-of-Experts）框架。与使用固定上下文窗口的传统模型不同，RAVEN能为每个输入样本自适应地确定最优时间上下文。这通过一个嵌套窗口层级实现，该层级被路由到专门的专家网络，并结合一个用于时间连贯性的全局压缩表示分支。实验表明，RAVEN在各种金融和交通数据集上取得了最先进的性能，在Pearson相关系数和均方误差方面有显著改进。
-
LLM框架自动化漏洞分析报告
研究人员开发了RAVEN框架，该框架利用大型语言模型（LLMs）和检索增强生成（RAG）技术自动生成详细的漏洞分析报告。RAVEN根据易受攻击的源代码生成报告，遵循Google Project Zero的根本原因分析模板。该系统包括用于探索、知识检索、影响评估和报告生成的代理，以及用于质量评估的LLM Judge。对105个代码样本的初步测试显示，平均质量得分为54.21%。
-
RAVEN框架通过新颖的训练和RL方法增强实时视频生成
研究人员开发了RAVEN，一个用于实时自回归视频生成的新颖框架，可提高长时预测质量。RAVEN通过将回放重新打包成历史端点和去噪状态的交错序列，解决了训练和推理分布之间的差距。此外，该团队引入了一致性模型组相对策略优化（CM-GRPO），这是一种直接优化条件高斯转移核的强化学习方法，从而带来了进一步的性能提升。
-
OCaml 生态系统 Raven 提供类型安全的机器学习工具，可媲美 Python 库
Raven 是一个新推出的 OCaml 库生态系统，专为数值计算、机器学习和数据科学而设计。它旨在提供流行的 Python 库（如 NumPy、JAX 和 PyTorch）的类型安全替代品。该项目包括用于 n 维数组、自动微分、标记化、神经网络、数据帧和绘图的模块，目标是构建一个强大的科学计算环境。