SIMBAD
PulseAugur coverage of SIMBAD — every cluster mentioning SIMBAD across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
DSPy 编程框架移植到 Elixir 以实现 BEAM 并发
Imp 是一个新框架，将 DSPy 编程范式引入 Elixir 语言和 BEAM 虚拟机。这使得开发人员能够利用 Elixir 的 OTP 的可靠性和并发特性来构建自改进的、声明式的语言模型应用程序。Imp 负责提示生成、响应解析和优化，从而无需手动进行提示工程即可创建复杂的代理和使用工具的系统。
-
新的基于Transformer的机器学习模型识别TESS数据中的微引力透镜事件
研究人员开发了Microlensify，这是一种基于Transformer架构的新型机器学习分类器，旨在利用凌日系外行星巡天（TESS）卫星的数据识别微引力透镜事件。该模型在模拟和真实的TESS数据上进行训练，能够高精度地分类事件、重建光变曲线并估算事件持续时间。当应用于数百万条TESS光变曲线时，Microlensify识别出其中一小部分作为潜在的微引力透镜候选体，并将其与变星和行星穿越等各种误报区分开来。该模型在地面巡天事件上的有…
-
新的SIMBA框架通过神经代理简化影响力最大化
研究人员开发了SIMBA，一个用于影响力最大化的新框架，它摒弃了复杂的神经网络和连续优化。SIMBA利用轻量级神经代理和直接离散搜索，结合了均匀锚定的节点嵌入、浅层图神经网络和批量多交换模拟退火。与现有方法相比，这种方法显著减少了计算时间，并提高了影响力传播和数据效率。
-
V-Simba架构提升视觉控制中RL的样本效率
研究人员推出了一种新颖的强化学习（RL）架构V-Simba，旨在提高视觉连续控制任务中的样本效率。受基于状态的RL中使用的Simba架构的启发，V-Simba结合了归一化层和逐点卷积，以稳定训练并降低计算成本。与DrQ-v2相比，新架构在DMC、Adroit和Meta-World等基准测试中表现出与现有最先进方法相当或更优的性能，同时计算效率更高。
-
AI模型利用星系位置估算宇宙学参数
研究人员开发了一种结合了图神经网络和矩神经网络的方法，仅利用星系位置和径向速度就能以约10%的精度估算宇宙学参数，特别是 $\Omega_{\rm m}$。该机器学习模型在 L-Galaxies 半解析模型的数据上进行了训练，并在外推到 GAEA 和 SC-SAM 等其他半解析模型以及 Astrid 和 IllustrisTNG 等流体动力学模拟时表现出鲁棒性。研究表明，半解析模型相空间内的物理关系在很大程度上独立于特定的物理处理方法…
-
SIMBA框架通过双向辐射建模增强天气预报 · 已追踪2个来源
研究人员开发了SIMBA，一个用于模拟FY-4A GIIRS仪器高光谱红外辐射的新型双向框架。该框架独特地整合了大气廓线检索和辐射重构，并采用周期一致性约束来增强它们的耦合。通过使用双向Mamba状态空间模块，SIMBA有效地捕捉了数值天气预报应用的关键长程依赖性。使用FY-4A GIIRS观测和ERA5再分析数据进行的实验表明，SIMBA在检索和重构任务上均优于现有的深度学习基线。
-
M1-Simba 合并被阻止后，新加坡电信价格战仍在继续
新加坡电信公司 M1 和 Simba 的合并计划已被阻止，这延长了该国饱和移动市场中激烈的价格战。交易的失败意味着包括 Singtel 和 StarHub 在内的四家主要运营商将继续为争夺用户而激烈竞争。专家认为，市场整合对于可持续发展至关重要，因为当前的环境给运营商的资源和投资能力带来了压力，尤其是在人工智能等领域。
-
新方法提高了黑盒对抗性攻击的效率
研究人员开发了一种名为机会主义目标选择（OTS）的新方法，以提高黑盒对抗性攻击的效率。OTS充当一个包装器，允许攻击在早期阶段从无目标目标切换到有目标目标，从而减少查询浪费。该技术无需修改底层攻击模型或访问梯度，并在ImageNet分类器上进行了验证，显示出成功率和查询效率的显著提高。