实体
$S^3$
$S^3$
PulseAugur coverage of $S^3$ — every cluster mentioning $S^3$ across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
$S^3$方法将LLM推理效率提高27%，同时提高准确性
研究人员开发了一种名为谱零空间交换（$S^3$）的新方法，以提高使用思维链（Chain-of-Thought）推理的大型语言模型（LLMs）的效率。该技术发现，核心推理能力存在于模型主导奇异方向零空间内的特定权重分量中。通过操纵这个零空间分量，$S^3$可以在不牺牲准确性的情况下，显著降低与推理相关的代币成本。在各种模型架构和推理领域的评估显示，推理代币开销平均减少了27.4%，整体任务准确性提高了1.0个百分点。
-
$S^3$ 方法优化动力系统的神经网络抽象
研究人员开发了一种称为平滑仿真代理（$S^3$）的新方法，用于优化动力系统的离散抽象，特别是那些具有神经网络控制器的系统。这种可微分的目标函数近似了用于量化抽象中保守性的指标，从而允许进行基于梯度的优化，同时保持其可靠性。在三个案例研究中的评估表明，$S^3$ 与反向仿真指标具有良好的相关性，计算效率高，并能有效降低抽象保守性。
-
新研究应对LLM代理漏洞，从安全基准到高级防御
近期研究探索增强大型语言模型（LLM）代理的可靠性和安全性。一项研究引入了DiagChain，一个用于评估LLM代理在网络安全攻击链重建方面的基准，揭示即使是先进模型在证据整合和排序方面也存在困难。另一篇论文MAFIA展示了一个仅查询的攻击框架，该框架利用LLM代理中的内存模块，在逃避检测的同时取得了高成功率。为了对抗这些漏洞，正在开发新方法，包括一个经过验证的工具调用包装器，它提高了在非原子故障下的可靠性，以及一个名为$S^3$的多…