Sage
PulseAugur coverage of Sage — every cluster mentioning Sage across labs, papers, and developer communities, ranked by signal.
- 2026-08-19 research_milestone Researchers published a paper detailing SAGE, a new AI framework for automated storyboarding that demonstrated performance comparable to professional directors. 来源
- 2026-07-21 research_milestone Researchers published a paper introducing SAGE, a new planning paradigm for latent world models that improves long-horizon planning. 来源
- 2026-05-25 research_milestone Publication of a research paper detailing the SAGE system for language-conditioned drone exploration and mapping. 来源
- 2026-05-18 research_milestone Publication of a new framework, SAGE, designed to improve spatial reasoning in Vision-Language Models. 来源
- 2026-05-08 research_milestone Publication of a new research paper introducing the SAGE method for multi-distribution learning. 来源
15 天有情绪数据
-
新的SAGE框架统一并优化SQL中的AI函数
研究人员开发了SAGE，一个统一和优化SQL系统中AI函数执行的新框架。SAGE将AI函数分为三个核心关系角色：AI_SCALAR、AI_AGG和AI_JOIN，使其能够与标准SQL运算符更自然地组合。这种方法提高了AI函数执行的质量和效率，尤其通过在SemBench基准测试中表现出色，显著减少了复杂连接操作的模型调用和成本。
-
图像生成技术在速度和质量方面的比较
一位用户对包括 LoRA、Comfy/Sage 注意力、稀疏注意力 (SLA) 和采样移位在内的各种图像生成技术进行了比较研究。测试旨在评估这些方法对图像质量和生成速度的影响，并通过视频和计时数据展示结果。研究结果表明，涉及较少步骤和优化注意力机制的组合可以显著减少生成时间，同时保持质量。
-
新的SAGE-XGBoost框架在数据稀疏条件下提升了灾害测绘能力
研究人员开发了SAGE-XGBoost，一个新颖的机器学习框架，旨在改善自然灾害易感性测绘，尤其是在数据稀疏的环境中。该框架将空间增强图嵌入与XGBoost相结合，通过结合数据增强和基于邻域的图嵌入来提高预测精度。SAGE-XGBoost在滑坡和野火易感性方面取得了约0.97和0.95的AUC值，表现优于现有模型，并在空间连贯性方面显示出显著改进。
-
新AI框架实现电影故事板自动化，表现优于导演
研究人员开发了SAGE，一个旨在自动化电影制作故事板流程的框架。SAGE通过从专家演示中学习导演专业知识，并根据执行结果演化规则，来解决知识获取、精炼和注入方面的挑战。该系统在专家验证的评分标准上获得了77.8分，略微超过了专业导演，并在其部署于虚拟电影工作室期间显著减少了创作时间。
-
用户展示 MiniMax H3 和 Krea.2 用于创意内容生成
一位 Reddit 用户分享了一个使用 MiniMax H3 和 Krea.2 的创意项目，展示了它们生成模仿商业内容的能力。该项目涉及在 Adobe Premiere Pro 和 Photoshop 中进行大量的后期制作工作，并使用 RTX-4090 显卡进行图像生成。用户表示很享受尝试 MiniMax H3 模型，并指出大多数生成的图像分辨率为 1 兆像素，大约需要 25-30 个步骤，并且没有使用 LoRAs 或缓存节点等加速技术。
-
新的SAGE方法通过自适应梯度改进脉冲Transformer训练 · 跟踪2个来源
研究人员推出了一种新颖的代理梯度机制SAGE，旨在改进脉冲Transformer的训练。该方法利用注意力引导熵在训练过程中自适应调整代理梯度斜率，从而增强优化灵活性，而无需改变推理模型。在CIFAR-10和CIFAR-100数据集上的实验表明，SAGE相比传统的固定代理基线，能够实现1-2%的一致性准确率提升。
-
新框架利用可验证的情感反馈增强LLM的共情能力
研究人员开发了一个双循环自我演进框架，以提高大型语言模型在多轮对话中的共情能力。该框架利用可验证的情感反馈来训练对话策略，同时根据策略性能调整训练体验。该系统旨在解决长时程交互中的挑战，在这种交互中，早期响应会显著影响用户的信任度和接受度。在SAGE基准测试的评估中，该框架成功地将Qwen3_8B模型的性能从53.87提高到79.24。
-
神经符号AI发现代数图构造
研究人员开发了一种神经符号智能体，能够发现图的代数描述，即使只提供邻接矩阵等原始数据。该智能体结合了大型语言模型和SageMath计算机代数系统，通过模型上下文协议（MCP）服务器进行通信。该系统成功地为预定义的强对称图基准测试中的所有100个图识别出了代数构造，显著优于基线方法。作为一项实际应用，该智能体找到了一个16个顶点的图的显式代数构造，这是迄今为止已知的最小的Bernhart-Kainen可分散性猜想的反例。
-
SAGE系统优化RAG检索以降低延迟和成本 · 跟踪2个来源
研究人员开发了SAGE，一种面向生产检索增强生成（RAG）系统的新型自适应检索策略。SAGE根据估计的查询难度动态调整每个查询检索到的文档数量，旨在满足延迟和成本方面的严格服务水平目标（SLO）。该系统使用初始检索的轻量级特征，并进行离线训练，在推理时增加的开销极小。实验表明，SAGE在各种数据集和LLM家族中，在保持答案质量的同时，显著提高了SLO合规性，并降低了延迟和成本，与静态基线相比。
-
新的SAGE框架为病理学中的AI提供语义解释
研究人员开发了SAGE，一个新颖的训练后框架，旨在为计算病理学中使用的基于注意力的多实例学习（ABMIL）模型提供语义、语言基础的解释。与仅提供局部注意力图的现有方法不同，SAGE通过将图像块与组织学概念词典进行评分，并根据模型学习到的注意力聚合这些分数，从而提取全局解释。这种方法可以量化特定概念如何与患者队列的预测风险相关联，其在七个TCGA癌症数据集上使用三个基础模型进行生存预测的应用证明了这一点。
-
新的SAGE数据集旨在解决南亚医学影像中的AI偏见
研究人员推出SAGE，这是一个包含1300张来自南亚地区、由专家注释的胃肠内窥镜图像的新数据集。该数据集旨在解决现有AI训练数据中地理人群代表性不足的问题，这可能导致模型产生偏见。SAGE包含图像、字幕、幻觉标签、标签和问答对，适用于图像字幕、分类和微调大型多模态模型（LMM）等任务。使用SAGE进行基准测试显示，现有模型应用于南亚数据时性能显著下降，凸显了在医疗保健领域进行更具包容性的AI开发的必要性。
-
新的攻击方法结合代码和搜索技术绕过AI越狱防御
研究人员已经证明，代码补全编码和N选一搜索的结合可以有效地绕过AI模型中的自我检查越狱防御，在某些目标上成功率高达67%。这些依赖目标模型评估请求的防御措施之所以脆弱，是因为攻击利用了模型自身的评估过程。攻击的有效性因防御类型而异，代码编码在对抗转换防御方面表现更好，而字符搜索在对抗门控防御方面表现更好。该研究还识别并修复了其自身在贪婪解码下确定性攻击相关的缺陷。
-
新的SAGE架构优先考虑AI安全而非效用
一篇新研究论文介绍SAGE，一种旨在控制高影响力生成式AI在其整个生命周期中的安全优先架构。SAGE优先考虑安全而非效用和商业目标，采用签名发布清单、多样化检测器和受保护的审计链等方法。一项评估SAGE在包括GPT-5 mini、GPT-5 nano、Claude和Gemini在内的各种模型上的研究发现，有害合规率低，在较小的GPT模型与较大的模型之间，以及Claude和Gemini之间观察到显著差异。
-
新的LLM框架SAGE通过参数效率优化广告自动竞价
研究人员开发了SAGE，一个用于广告拍卖中基于LLM的自动竞价的新框架。SAGE利用参数高效的多模态对齐方法来适应受约束竞价环境中的LLM。关键组件包括时序语义位置嵌入、用于模态融合的门控交叉注意力以及激活特定LLM专家的约束门控LoRA模块。实验表明，SAGE在实现卓越性能的同时，所需的参数不到完全微调的10%。
-
Stable Diffusion 用户分享 Windows 下 Sage 和 Flash Attention 2 的可用配置
一位 Reddit 用户成功地将 Sage 和 Flash Attention 2 集成到其 Windows 11 Stable Diffusion 的 ComfyUI 安装中。他分享了一个可用的配置，包括具体的软件版本和硬件细节，旨在帮助其他面临类似挑战的用户。该用户指出，Sage attention 似乎提供了速度上的提升。
-
新的分词器方法改进了大型语言模型中跨语言同形异义词的处理
研究人员发现多语言语言模型存在一个局限性，即共享的子词词汇表可能导致相同的表面形式在不同语言中被过于统一地对待，即使它们的含义不同。他们提出了一种使用语言线索的分词器级别的干预方法，以改进对跨语言同形异义词和假朋友的处理。该方法包括在构建词汇表时，用特定语言的字符替换共享词汇单词的初始字符。虽然内在分析表明这种干预有助于 SaGe 分词器更强地发散，但下游机器翻译实验仅取得了适度的改进，特别是对于 BPE，但并非在所有语言中都一致。
-
新研究改进了用于机器人规划的潜在世界模型 · 跟踪 2 个来源
两篇新研究论文介绍了增强潜在世界模型以改进机器人和控制任务规划的新方法。第一篇论文 DWM 提出了一种将由动作驱动的转换与与动作无关的世界效应分离开来的方法，从而更好地归因状态变化并提高所学动态的可转移性。第二篇论文 SAGE 引入了一种子目标条件动作生成技术，该技术使用潜在子目标来指导动作序列的提出，从而显著提高了长时规划性能。
-
新的SAGE方法通过考虑平坦度和梯度对齐来改进多分布学习
研究人员推出了一种新颖的多分布学习方法SAGE（Spectral-Aware Gradient-Aligned Exploration），该方法解决了现有方法中的局限性。与仅关注平坦度或梯度对齐的方法不同，SAGE同时考虑了损失景观的两种几何特性。该方法将超额风险分解为对齐项和曲率项，表明仅凭其中一项特性都不能保证最佳性能。在领域泛化和多任务学习基准上的实验表明，SAGE在DomainBed上取得了新的最先进结果，并改进了现有的多任务学习求解器。
-
Sage研究发现：金融专业人士每周花费13小时核实AI输出
Sage的一项新研究表明，金融专业人士每周花费约13小时来核实AI生成的输出。这一发现强调了在企业金融中，除了AI的核心能力之外，信任、透明度和治理日益增长的重要性。
-
新的SPL语言统一了LLM编排和符号计算
研究人员推出了一种名为SPL（Structured Prompt Language）的新型声明式语言，旨在将确定性和概率性计算统一在单一规范中。与目前将LLM调用编排系统与用于计算的符号工具分开的框架不同，SPL整合了两者。它提供了用于概率性（GENERATE/EVALUATE）和确定性（SOLVE/ASSERT）操作的特定命令，允许在调用时灵活选择模型和验证器。在20个问题上对10个模型进行的实验表明，SPL的求解器在机器验证的正确…