实体
Smathers
Smathers
PulseAugur coverage of Smathers — every cluster mentioning Smathers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的KG-RAG4SM方法利用知识图谱增强模式匹配
一种名为KG-RAG4SM的新方法被开发出来，通过将知识图谱与检索增强生成相结合来改进模式匹配。该方法通过整合常识和领域特定知识，解决了传统方法和LLM的局限性，从而减少了幻觉。KG-RAG4SM利用先进的检索和重排序技术从大型知识图谱中提取相关子图，在MIMIC和Synthea等数据集上与现有最先进方法相比，在精确率和F1分数上取得了显著的提高。
-
新的SMAT方法以最小的开销增强了AI模型合并
研究人员开发了SMAT（简单合并感知训练），一种提高合并后AI模型性能的新颖方法。SMAT通过模拟缩放、掩码和扰动等常见合并操作，解决了现有合并感知训练技术的局限性。该方法在模拟合并参数下优化了专家损失和预期损失，从而在各种语言和视觉-语言模型上实现了显著的性能提升，而额外的训练成本却很小。