PulseAugur
中
实时 03:36:31
实体 sample-prompt-correction-memory

sample-prompt-correction-memory

PulseAugur coverage of sample-prompt-correction-memory — every cluster mentioning sample-prompt-correction-memory across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
时间线
  1. 2026-10-03 product_launch AWS released an open-source sample demonstrating a self-healing LLM extraction pipeline that learns from human corrections. 来源
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 2 条
  1. TOOL · CL_341907 ·

    空间记忆将 LLM 调用减少 95%,校正记忆修复错误:基准测试

    一项基准研究比较了两种改进 LLM 文档提取的方法:空间记忆和校正记忆。空间记忆通过记住重复布局中的字段位置,显著减少了 LLM 调用和成本;而校正记忆则通过从人类校正中学习以防止重复错误来专注于质量。两种方法都显著提高了字段准确性,空间记忆充当成本节约机制,校正记忆充当质量增强器。

  2. TOOL · CL_277053 ·

    AWS 示例教 LLM 从更正中学习,降低成本

    来自 AWS 的一项新的开源示例展示了一种通过学习人类更正来改进 LLM 文档提取的方法。这种方法将更正存储为持久内存,从而可以重复使用它们,并防止重复出现错误,而无需重新训练或重新部署模型。该系统采用分层方法,首先使用确定性规则处理常见错误,然后使用置信度门控进行基于云的 LLM 提取,最后采用少样本示例进行自我修复以处理复杂情况,最终随着时间的推移降低成本并提高准确性。