Realm
PulseAugur coverage of Realm — every cluster mentioning Realm across labs, papers, and developer communities, ranked by signal.
- 2026-05-14 research_milestone Publication of a new framework for LFP decoding in BCIs. 来源
1 天有情绪数据
-
新的REALM基准统一了物理世界视觉语言模型的红队测试
研究人员推出了REALM，这是一个旨在评估物理世界视觉语言模型（VLMs）漏洞的新型基准。该基准在黑盒威胁模型下统一了12种红队测试方法、3种防御措施和13个VLMs，并利用共享数据集和指标进行公平比较。REALM采用代理目标生成流程来创建场景特定的、物理上可行的攻击目标，结果表明文本和字体注入攻击最有效，而模型规模本身并不能保证对抗鲁棒性。
-
新框架ReaLM融合知识图谱嵌入与大语言模型；研究发现知识图谱嵌入模型不稳定
研究人员开发了ReaLM，一个通过将知识图谱嵌入离散化为可学习的token来连接知识图谱嵌入与大语言模型的新框架。该方法允许符号知识和上下文知识更有效地融合，在基准数据集上表现优于现有方法。另外，一项分析知识图谱嵌入模型的研究发现，高性能模型会产生高度可变的预测和嵌入空间，随机种子和其他随机因素显著影响结果。这种不稳定性引发了对当前知识图谱补全基准测试协议可靠性的担忧。
-
REALM 框架为脑机接口实现 LFP 实时解码
研究人员开发了 REALM，这是一个用于脑机接口中局部场电位 (LFP) 实时解码的新框架。该方法使用回归蒸馏过程，将知识从强大的离线模型转移到更高效的因果模型。与现有的基于 LFP 的方法相比，REALM 显著提高了解码精度，同时减小了模型大小和训练时间，为下一代脑机接口提供了比尖峰解码更实用的替代方案。
-
REALM框架对齐RGB和事件相机数据以实现跨模态感知
研究人员开发了REALM，一个新颖的跨模态框架，旨在将RGB和事件相机数据对齐到一个共享的潜在流形中。该方法将事件表示投影到预训练的RGB基础模型的潜在空间中，并利用低秩自适应（LoRA）来弥合模态差距。REALM能够将图像训练的解码器零样本应用于事件流，用于深度估计和语义分割等任务，并在宽基线特征匹配中取得了最先进的成果。