RTE
PulseAugur coverage of RTE — every cluster mentioning RTE across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的黎曼几何方法增强语言模型嵌入
研究人员开发了一种名为黎曼均值池化（RMP）的新方法，用于分析预训练语言模型嵌入的几何结构。该技术在对称正定流形上使用黎曼几何和弗雷歇聚合来提取每个标记的度量。在CoLA、CREAK和RTE等数据集上的实验表明，RMP在处理具有复杂语言结构的复杂数据集时，优于传统的欧几里得均值池化，这表明几何聚合在提高可解释性和安全性方面起着关键作用。
-
LLM驱动的全新长期交通仿真框架RosettaSim
研究人员开发了RosettaSim，一个利用大型语言模型（LLM）能力的新型长期交通仿真框架。该方法将场景拓扑、代理状态和生成意图投影到结构化自回归流中，从而实现准确的短期预测和稳定的长视界仿真。为了解决评估扩展回滚的挑战，引入了一种名为检索式交通评估（RTE）的新方法，该方法使用语义上相似的真实世界场景作为参考锚点。在Waymo Open Sim Agent Challenge (WOSAC) 上的实验表明，RosettaSim 取…
-
欧洲极端高温迫使发电厂关闭，电网承压
欧洲正经历严重的热浪，导致多家发电厂关闭或减产。法国的核设施尤其受到影响，由于河流温度升高影响冷却系统，一个反应堆已关闭，其他反应堆的运行能力也已降低。其他能源，如水电、天然气和燃煤电厂也面临挑战，发电量减少和对冷却需求的增加加剧了电网的压力。
-
新的Wigner--Ville谱方法改进了电网异常检测
一篇新研究论文提出使用Wigner--Ville分布切片（WVDS）谱进行电网异常检测。该方法实时分析电压波形，旨在识别发生的扰动。与传统的快速傅里叶变换（FFT）方法相比，WVDS方法结合基线归一化偏差得分，显示出更低的误报率，将发病前误报率降低至0.69%。虽然WVDS的选择性更强，但它也比FFT错过了更多的异常。
-
新的DALS框架优化神经网络训练的学习率
研究人员引入了一个名为判别性自适应层缩放（DALS）的新框架，以优化神经网络的学习率。DALS将学习率策略的演进分为五代，强调了从全局固定学习率转向复杂的层级自适应的转变。该方法解决了在保留低层通用知识的同时允许高层适应新任务的挑战。基准测试表明，DALS在合成数据集上实现了高精度，并在微调场景中表现出竞争力，在各种模式下均优于其他策略。