Seer
PulseAugur coverage of Seer — every cluster mentioning Seer across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新研究探索压缩大型语言模型推理痕迹以提高效率的方法
研究人员正在开发新的方法来压缩大型语言模型（LLM）的中间推理步骤，即“思维链”（Chain-of-Thought, CoT），以在不牺牲准确性的前提下降低计算成本。一种名为BreadthKV的方法侧重于平衡缓存令牌的数量及其精度，其表现优于简单的淘汰方法，并可与更复杂的技术相媲美。另一种名为SEER的方法，则通过抑制冗余或循环的痕迹来优化自生成的CoT数据，并微调模型以内化简洁的推理。第三种技术CALR，利用连续锚定潜在推理将中间状…
-
新框架可从数据统计预测机器学习模型性能
研究人员开发了新的理论框架来预测机器学习模型的性能。第一种方法，即 Hermite 特征结构 ansatz (HEA)，利用原始数据统计来预测核回归的学习曲线，即使是在 ImageNet 等真实世界图像数据集上也是如此。第二个系统 Seer 采用最大似然回归来模拟分类学习性能，预测达到所需准确率所需的训练示例以及可达到的最大准确率。
-
新研究探索先进的时间序列预测技术
近期时间序列预测研究探索了新颖的架构和方法。DiTS（用于时间序列的扩散 Transformer）利用多模态扩散 Transformer 整合外部信息以改进预测。另一项研究强调了预处理技术的重要影响，表明当应用适当的预处理时，简单的模型也能与最先进的架构竞争。进一步的工作引入了时间预测多重性来表征同样准确的模型之间的预测轨迹差异，并研究了用于预测的差分隐私合成数据生成。此外，一个名为 FreshCast 的新框架旨在通过不断用新观测更…
-
Sentry 推出 AI 助手 Seer，用于更快地排查错误
Sentry 推出了 Seer，这是一款旨在帮助用户更高效地诊断和解决错误及性能问题的 AI 助手。该新工具旨在利用人工智能简化故障排除流程。
-
SEER框架通过选择性视觉-文本压缩增强LLM长上下文推理能力
研究人员开发了SEER，一个旨在通过选择性压缩视觉-文本信息来改进大型语言模型长上下文推理能力的新框架。与之前应用统一压缩的方法不同，SEER根据查询学习识别和检索最相关的文本内容，从而在降低计算成本的同时保持精度。在LongBench基准测试上的实验证明了SEER的有效性，其准确性高于Glyph-9B和Qwen3-8B等基线模型。
-
SEER接口提升VLM空间推理准确性
研究人员开发了SEER，一种新颖的推理时接口，旨在提高冻结的视觉语言模型（VLM）的空间关系分类能力。SEER显式构建查询特定视图，突出主语和宾语角色，并保留互补的视觉证据。该方法旨在减轻VLM可能错误识别实体或依赖模糊全局上下文的故障。实验表明，SEER显著提高了空间关系问题的性能，根据具体任务和模型，性能提升幅度在+3.94到+11.79之间。
-
新的SEER方法使用机器学习优化约束编程中的能量推理
研究人员开发了一种名为SEER的新方法，该方法利用监督机器学习来优化约束编程中能量推理传播器的使用。该方法旨在平衡传播的计算成本与其在减小搜索空间方面的有效性。通过训练一个预言机函数，SEER可以智能地决定何时使用复杂的传播器，从而提供灵活性并有可能集成到现有求解器中。实验表明预测准确性很高，并为构建此类预言机的特征选择提供了见解。
-
新框架Seer通过MLP稀疏性将DMLLM加速高达31倍
研究人员开发了一个名为Seer的新框架，可显著加速扩散模型多模态大语言模型（DMLLMs）的推理速度。通过分析第一个去噪步骤中的MLP激活稀疏性，Seer可以检测到输出序列的有效语义边界。这使得一次性截断冗余填充成为可能，减少了不必要的计算，并将吞吐量提高了高达31倍。该框架保持了整体性能，甚至在某些视觉任务上提高了准确性。
-
新的LLM可解释地预测测试失败
研究人员开发了FOCAL，一个基于代码LLM的新系统，旨在预测给定的测试前缀是通过还是失败。与生成测试断言的方法不同，FOCAL直接预测测试结果，在训练中强调失败案例，并以行为证据为基础进行预测。这种方法在检测未见过项目上的失败以及提供更丰富的解释方面，比基线SEER方法有了显著改进。
-
新型大语言模型HCC-STAR，改进癌症治疗建议
研究人员开发了HCC-STAR，一个旨在提高肝细胞癌（HCC）治疗精准度的大语言模型。该模型分析电子病历，提供风险分层、循证治疗建议和个体化生存期估计。在中国多家医院的临床评估中，HCC-STAR在治疗建议和风险分层方面表现优于现有临床指南和其他模型，如GPT-5和Gemini-2.5 Pro。此外，盲评专家认为HCC-STAR的推理值得信赖，并帮助医生做出更快、更准确的决策。
-
Claude代理管理财务、交易和投注，动用真实资金
一个由Claude驱动的自主AI代理正在管理金融活动，包括在Kraken上交易以及通过Gnosis和Seer进行预测市场投注。该代理的运营还包括通过Honeygain赚取被动收入，这些都在任务板上公开记录。目前，一个预测机器人由于xDAI不足而处于gas费锁定状态，而交易机器人则保持活跃。
-
SEER框架处理噪声、缺失和偏移的时间序列数据
研究人员推出SEER，一个基于Transformer的框架，旨在增强时间序列预测的鲁棒性。SEER通过采用自动化的补丁增强和替换策略，解决了噪声、异常、缺失值和分布偏移等常见数据质量问题。这种方法允许对各种低质量时间序列数据进行统一建模，旨在提高在数据不完美现实工业应用中的预测准确性和稳定性。
-
Seer模型使用潜在扩散模型进行高效、语言指导的视频预测
研究人员开发了Seer，一种用于文本条件视频预测的新型模型，旨在帮助机器人进行规划和实现目标。Seer利用预训练的文本到图像扩散模型，通过增强的注意力机制和将全局指令分解为帧特定子指令的模块，将其改编为时间生成。这种方法可以实现高效的微调，生成高保真度和连贯的视频，与现有的最先进方法相比，计算成本和性能都有显著提高。
-
在线生存分析：基于Cox PH模型的Bandit方法
研究人员开发了一种新颖的在线生存分析Bandit方法，将Cox比例风险模型整合到序贯决策中。该方法解决了交错进入、延迟反馈和右删失等挑战，通过适应现有的Bandit算法，在新数据出现时优化治疗方案。模拟和SEER癌症数据的实验表明，该方法能有效学习近乎最优的治疗策略。