Robust Adaptive Cost Efficient Routing
PulseAugur coverage of Robust Adaptive Cost Efficient Routing — every cluster mentioning Robust Adaptive Cost Efficient Routing across labs, papers, and developer communities, ranked by signal.
- 2026-08-03 research_milestone Researchers introduced RACER, a novel closed-loop controller for diffusion models that improves sampling speed and reliability by intelligently trusting forecasts. 来源
2 天有情绪数据
-
五角大楼测试自主战争机器人进行模拟作战
五角大楼通过DARPA的RACER项目，成功测试了能够进行集群狩猎和模拟作战的自主地面车辆（UGV）。这些模块化机器人能够自主探测、跟踪和导航复杂地形，人类操作员保留对任何动能操作的最终批准权。该技术在诺克斯堡进行了测试，旨在增强作战人员的能力，并可能用于后勤和其他任务。
-
新工具 Racer 通过符号等价性检查查找 GPU 内核错误
研究人员开发了 Racer，一个使用符号等价性检查来查找 GPU 内核错误的新工具。与传统的差分测试不同，Racer 使用符号输入分析内核，生成精确的代数表达式，区分浮点错误和逻辑错误。该方法覆盖了整个输入空间，并已在 23 个库中识别出 82 个真实错误，包括 76 个先前未知的错误。
-
新的代理框架增强长视频理解能力
两篇新的研究论文介绍了一种用于改进长视频理解的新型代理框架。第一个，VAMR，在单个工具使用轨迹中协调关于视频的多个问题，从而实现共享证据获取和统一理解。VAMR 在 LVBench、Video-Holmes 和 LongVideoBench 等基准测试中展示了卓越的准确性和效率。第二个，RACER，采用了一个反思性代理框架，将查询解释与证据定位分开。RACER 的 Vid-LLM 将复杂查询重塑为子查询，然后由嵌入模型使用这些子查询…
-
新AI框架整合知识图谱和多智能体系统以增强推理能力
多篇研究论文介绍了用于增强AI系统与知识图谱和多智能体协作的新型框架。这些方法旨在提高推理能力，减少幻觉，并增加AI生成信息的可靠性。MAGG和RACER等系统专注于受控记忆和协作推理，以在知识图谱构建和问答等任务上取得更好的性能。ASKS和MaCTG等其他框架分别利用大型语言模型和图结构进行科学知识编译和自动编程，并强调可解释性和效率。
-
新的 RACER 框架修复多模态大语言模型中的后门
研究人员开发了 RACER，一个旨在修复多模态大语言模型 (MLLMs) 中后门的新型框架。与之前专注于推理时过滤的方法不同，RACER 在模型层面运行以消除潜在的后门。它识别并解决模型内部表示中依赖于模态的异常，特别针对编码触发特征的区域。通过对抗性微调，RACER 在保留模型在干净任务上的效用的同时，有效抑制了后门行为。
-
新的RACER控制器提高了扩散模型的速度和可靠性 · 跟踪2个来源
研究人员开发了RACER，一种新的闭环控制器，旨在提高扩散模型的效率和可靠性。与盲目信任预测的先前方法不同，RACER分析预测之间的一致性，以确定何时以及在多大程度上信任它们。这种方法允许在不牺牲质量的情况下更积极地加速扩散采样，从而在SD3.5-Large、FLUX.1-dev、Wan2.1-14B和HunyuanVideo等各种模型中实现更快的生成速度。
-
香港中文大学（深圳）人工智能学院6篇论文被顶级机器学习会议ICML 2026接收
香港中文大学（深圳）的教授们有六篇研究论文被顶级机器学习会议ICML 2026接收。这些论文涵盖了大型语言模型的有效路由、风险感知推理和先进序列建模等领域。值得注意的是，一篇题为RACER的论文介绍了一种新颖的路由框架，旨在最小化推理成本并控制风险；另一篇题为B-PAC Reasoning的论文提供了一种在线方法，可实现具有性能损失保证控制的高效推理；第三篇题为MIMOMamba的论文提出了一种新的序列建模架构，可联合建模时域和跨通道交互。
-
新的路由方法优化LLM裁判的成本和准确性
一篇新的研究论文介绍了一种名为RACER（鲁棒自适应成本效益路由）的方法，用于优化大型语言模型（LLM）作为裁判的使用。研究发现，虽然LLM中的显式推理能显著提高数学和编码等复杂任务的准确性，但对于更简单的评估，其收益甚微且计算成本更高。RACER在固定预算内动态选择推理和非推理LLM裁判，以应对潜在的分布变化，并旨在实现卓越的准确性-成本权衡。