Reforger '88
PulseAugur coverage of Reforger '88 — every cluster mentioning Reforger '88 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ReForge框架通过贝叶斯优化精炼合并的AI模型
研究人员开发了ReForge，一个用于精炼合并AI模型的新框架。这种双层优化方法使用带有锚点中心先验的贝叶斯线性回归，无需联合重新训练即可组合多个特定任务的模型。ReForge可以带或不带校准数据运行，其无数据变体利用任务向量Grams。该方法在各种基准测试中表现出卓越的性能，与现有的锚点基线相比，显著提高了视觉和语言任务的准确性。
-
Regional Prompter 在新的 AI 图像生成架构中出现兼容性问题
Regional Prompter 工具，一种控制 Stable Diffusion 中图像生成区域的流行方法，正面临与 Flux 和 DiT 等较新的 Transformer 架构的兼容性问题。虽然核心插件在 A1111 和 SDXL 等旧模型和接口上仍然可用，但迁移到基于 Flux 的管道的用户发现原始 UNet-attention-hook 机制不受支持。这导致了社区开发的 fork 和 Attention Couple、Flu…
-
用户寻求 Stable Diffusion UI 定制
Reddit 上的用户正在寻找 CSS 样式表来定制 Stable Diffusion 的 Automatic1111、Reforger '88 和 Forge (Neo) 网页界面的外观。该请求特别要求提供改变页面视觉设计的文件，而非图像生成风格本身，并提到通过 Stylus 等扩展程序难以找到合适的选项。
-
Stable Diffusion Forge 用户寻求版本差异的澄清
一位 Reddit 用户正在寻求关于 Stable Diffusion Forge 软件不同版本的澄清，特别是询问 SD WebUI Forge、reForge、Forge Classic 和 Neo 之间的区别。他们目前正在使用 SD WebUI Forge，并对其满足其需求的性能感到满意，这些需求主要涉及提示插入和调整 hires fix、CFG 和 LoRA 等设置。用户还对潜在的视频生成功能感兴趣，并正在权衡是否切换到 For…
-
LLM应用于二进制代码恢复和基准测试 · 跟踪3个来源
两篇新研究论文提出了使用大型语言模型（LLM）对二进制函数进行基准测试和恢复源代码的方法。第一篇论文REFORGE介绍了一个管道，用于构建可靠的地面真实数据以供LLM在二进制分析中进行评估，并强调了编译器优化和对齐不确定性带来的挑战。第二篇论文提出了一个实用的管道，结合了逆向工程、基于锚点的源代码检索和LLM推理，以从数据库中识别源函数，而不是生成伪代码。这两种方法都旨在提高LLM在逆向工程和软件安全中的准确性和可靠性。