Semantic Scholar API
PulseAugur coverage of Semantic Scholar API — every cluster mentioning Semantic Scholar API across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的DCSD方法提高了AI自蒸馏的可靠性
研究人员引入了解耦信用自蒸馏（DCSD），这是一种新颖的方法，旨在通过分离信用方向和贡献幅度来改进AI模型的自蒸馏。该方法解决了教师监督因判断错误和偏好差异而可能不可靠的问题。DCSD利用信念边距探测（belief-margin probing）来确定信用方向，利用边际信息增益（marginal information gain）来确定幅度，从而实现更准确的步到令牌（step-to-token）信用分配。在11个基准测试中，DCSD的…
-
ReMoMask-2 通过潜在检索推进文本到运动生成
研究人员推出了 ReMoMask-2，这是文本到运动生成领域的一项进展，它将检索直接嵌入到生成器的潜在空间中。这种方法通过允许生成器直接利用检索到的运动数据来解决先前模型中存在的表示差距。ReMoMask-2 基于 ReMoMask，后者采用了分层对比学习和拓扑感知融合来提高运动生成的准确性和结构。在 HumanML3D、KIT-ML 和 SnapMoGen 等基准数据集上的实验表明，ReMoMask-2 取得了最先进的成果，包括更低…
-
RIBOSPAN：新型长上下文RNA基础模型发布
研究人员推出RIBOSPAN，一个拥有16.1亿参数的双向RNA基础模型，能够处理长达10,240个核苷酸。该模型专为高分辨率、全转录本RNA建模而设计，提供强大的长上下文表示能力，并支持基于离散扩散的mRNA生成和重新设计。评估结果表明，RIBOSPAN在RNA表示质量方面达到了最先进的水平，尤其是在长RNA序列方面，并促进了保护蛋白质的信使RNA编码序列优化。
-
EchoWM: 全模态世界模型生成视频、声音和语音
研究人员推出了EchoWM，一个全模态世界模型，能够响应连续导航生成同步的视频、声音、音乐和语音。该模型支持第一人称和第三人称视角，在没有特定控制器的情况下学习摄像机-角色动力学。EchoWM利用互补数据引擎和渐进式训练，然后进行自回归后训练以实现长时程生成，在基准测试中实现了强大的轨迹跟踪和高质量的视觉效果。
-
新的AutoResearch系统通过基于证据的执行来巩固科学理念
一个名为AutoResearch的新自主研究系统已被开发出来，以提高科学探究的可靠性和基础性。这个两阶段系统将想法生成与基于证据的执行相结合，确保研究概念在实验之前和实验期间都经过彻底审查。AutoResearch旨在通过持续整合新的研究信号、识别可转移的见解，并采用多模型生成和交叉审查来制定有根据的研究计划，从而减少幻觉。在其执行阶段，协调代理将计划分解为实验，诊断问题，并在接受结论之前进行独立的基于证据的审查，从而展示可衡量的进展…
-
新的ARC方法提高了开放式智能体强化学习的公平性
研究人员推出了一种新颖的训练方法ARC（Advantage Regularization via Conditioning，通过条件化进行优势正则化），旨在提高开放式智能体基于群组的强化学习中的公平性。该方法解决了在真实世界交互中，不同有效智能体行为会扭曲比较并导致次优优化的问题。ARC通过在策略上对rollout比较进行条件化，从而实现更公平的比较，该策略在新的响应式用户-智能体交互的".inter"范式内进行研究。配套的".int…
-
新基准评估视频语言模型在长篇描述方面的能力
研究人员推出了CLIP-CC-Bench，这是一个新的评估套件，旨在评估视频语言模型生成视频内容的详细、段落长度描述的能力。该基准源自电影场景，将大约90秒的剪辑与专家撰写的叙述性描述配对。评估利用了五个基于LLM的嵌入模型组成的集成，通过粗粒度和细粒度的语义匹配来比较生成的描述与参考文本，结果表明当前模型在细致、长篇的视频叙述方面存在困难。
-
新的 MIRAGE 方法通过元数据和 FAIR 原则增强 MSR 数据集分析
研究人员开发了 MIRAGE，一种通过增强元数据和评估 FAIR 原则来分析软件开发库挖掘 (MSR) 数据集的新方法。该方法使用 Semantic Scholar API 收集 2013 年至 2024 年的数据，并应用潜在狄利克雷分配 (LDA) 主题建模进行分析。研究发现，存储库托管网站和数据格式会影响引用模式和可用性，表明改进的注释可以提高数据集的可发现性和可重用性。