Socially Desirable Responding
PulseAugur coverage of Socially Desirable Responding — every cluster mentioning Socially Desirable Responding across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的MCP服务器通过B2B潜在客户丰富增强AI销售工作流程
一款新的模型上下文协议（MCP）服务器已发布，通过提供实时的企业对企业（B2B）潜在客户丰富来增强AI驱动的销售开发代表（SDR）工作流程。该服务器提供深入的组织情报，包括公司信息、技术信息和意向信号，并带有置信度评分系统以确保数据准确性。它旨在与Claude Desktop和Cursor等工具无缝集成，利用JSON-RPC进行精确的数据解析，并提供一种无风险、计量的计费模式，用户仅为高置信度的丰富信息付费。
-
新的 MCP API 为 AI 销售代理群提供实时 B2B 潜在客户丰富功能
一项新的 B2B 潜在客户丰富服务，可通过 MCP 原生 API 服务器访问，旨在为自主销售开发代表 (SDR) 代理群提供实时的公司信息、技术信息和意向数据。该系统通过直接与 LLM 工作流集成，绕过了对自定义中间件的需求，支持使用 Claude Desktop 和 Cursor 等工具构建的代理。该服务采用 Zod 进行严格的数据验证，并采用无风险的计量计费模式，用户仅为高于特定置信度的成功丰富付费。
-
新的MCP服务器通过实时数据增强自主销售代理
发布了一个新的模型上下文协议（MCP）服务器，为自主销售代理群提供实时公司信息和意图数据。该服务器直接集成到Claude Desktop和Cursor等LLM环境中，使用严格的Zod模式注解来防止参数幻觉并确保数据准确性。该系统提供深度公司信息、技术叠加和意图信号等功能，并采用无风险的计量计费模式，仅对超过特定置信分数且成功丰富的数据收费。
-
新的Web界面结合了轨道跟踪、SDR控制和AI转录功能
一个新的Web界面集成了多种用于监控和分析太空信号的功能。这些功能包括实时轨道跟踪、软件定义无线电（SDR）控制、信号解码和AI驱动的转录。这个综合工具旨在提供对卫星通信和信号的实时洞察。
-
AI使用集合距离奖励改进放射学报告生成
研究人员开发了一种名为集合距离奖励（SDR）的新型奖励系统，用于利用AI改进放射学报告生成。该方法将报告视为无序发现的集合，使用生成嵌入与参考嵌入之间的集合到集合距离作为奖励。SDR已在多个模型和数据集上展示了持续的改进，其表现优于标准的监督微调和精确匹配奖励。
-
研究人员量化并减轻大型语言模型中的社会期望反应
研究人员开发了一个新框架，用于识别和减少大型语言模型（LLMs）在使用自我报告问卷进行评估时出现的社会期望反应（SDR）。这种SDR是指模型提供符合期望的答案而非诚实答案，这会影响对角色一致性、安全性和偏见的评估结果。所提出的方法通过比较诚实指令和虚假良好指令下的响应来量化SDR，并使用等级强制选择清单来减轻它，结果显示在保留角色恢复能力的同时，SDR显著降低。
-
FDIM度量为神经编码器提供通用的视频质量评估
研究人员推出了一种新的视频质量度量FDIM，旨在评估标准动态范围（SDR）和高动态范围（HDR）内容下的传统和神经视频编码器。FDIM采用混合方法，结合深度学习进行多尺度特征提取和手工特征，以捕捉广泛的失真。FDIM在超过16,000个视频序列的大型数据集上进行训练，在各种编码器和内容类型上表现出强大的泛化能力，与主观质量评估高度相关。