Sieve
PulseAugur coverage of Sieve — every cluster mentioning Sieve across labs, papers, and developer communities, ranked by signal.
- 2022-02-02 product_launch Sieve launched its video data platform for AI applications. 来源
3 天有情绪数据
-
新的SIEVE方法质疑情感分析中修复所有缺失模态的必要性
研究人员质疑了多模态情感分析（MSA）中优先修复缺失模态的主流方法。一项新的分析表明，全模态输入仅对一小部分样本是最佳的，修复每个模态的必要性高度依赖于样本。为了解决这个问题，开发了一种名为SIEVE（Sufficiency-Informed Evidential Valve）的新方法。SIEVE学习在样本基础上决定是否修复缺失模态，作为一个即插即用的模块，可以增强现有的修复技术。
-
新的SIEVE框架使用稀疏证据进行视频虚假信息检测
研究人员开发了SIEVE，一个旨在打击多模态视频虚假信息的新框架。与处理整个视频的传统方法不同，SIEVE采用代理式方法来识别稀疏的、与决策相关的线索。该代理主动搜寻关键证据，创建一个精简的包，然后由验证者使用该包来确定视频的真实性。实验表明，SIEVE的表现优于现有方法，为虚假信息检测提供了更透明、更易于检查的证据链。
-
提出新方法解决吉尔布雷斯猜想，并应用于金融科技与网络安全
提出了一种解决吉尔布雷斯猜想的新方法，这是一个关于素数的长期存在的数论问题。该论文引入了反向筛分等新概念，并展示了其在网络安全、金融科技和时间序列分析等领域的应用。它还探讨了魔术素数和细胞自动机等相关主题。
-
SIEVE方法通过结构感知数据选择增强VLA模仿学习
研究人员推出了一种用于视觉-语言-动作（VLA）模仿学习中的数据选择新方法SIEVE。SIEVE识别机器人演示数据集中的可重用视觉-运动基元和过渡接口，以提高策略学习的效率。实验表明，SIEVE在仅使用显著更少的数据和训练步数的情况下，即可达到与全数据训练相当或更优的性能。
-
Sieve 为本地 Ollama LLM 添加持久化内存
一款名为 Sieve 的新开源工具已被开发出来，用于为通过 Ollama 运行的本地大型语言模型（LLM）添加持久化内存。该工具充当代理，位于用户客户端和 Ollama 端点之间，用于管理对话历史并学习持久性事实。通过拦截和处理请求，Sieve 会剥离冗余信息，将关键事实存储在加密数据库中，并将相关上下文注入未来的提示中，从而解决无状态性、不断增长的上下文负载和模型幻觉等问题。
-
LLM代理优化检索系统的ANN索引
研究人员开发了一种新颖的LLM引导代理，用于优化检索系统中的近似最近邻（ANN）索引参数。该代理通过将每个建议条件化于完整的优化历史，克服了传统超参数优化方法的局限性，有效地导航了复杂、耦合的参数空间。在HICO-DET人体-物体交互检索基准上进行测试，该代理展示了显著的性能提升，超越现有方法超过33%，并实现了15.3倍的吞吐量增长。
-
SCION框架使用尺寸感知策略编排优化对象缓存
研究人员开发了SCION，一个用于优化云和边缘服务中对象缓存的新框架。SCION采用一种轻量级的策略编排方法，分析工作负载指纹以选择最有效的缓存策略。该方法旨在提高缓存性能并降低未命中率，即使在动态和吞吐量受限的条件下也能实现，同时在关键路径上保持低开销。
-
Sieve 推出用于 AI 训练的视频数据平台
Sieve，一家视频数据研究实验室，已推出其平台，提供用于 AI 应用的 PB 级精选视频数据。该服务提供各种数据类型，包括通用、电影级和配对媒体，并带有密集的注释和嵌入，可即时搜索。Sieve 的 API 设计用于可扩展性和安全性，可满足 AI 实验室、财富 100 强公司和生成式 AI 初创公司的需求。