Spade
PulseAugur coverage of Spade — every cluster mentioning Spade across labs, papers, and developer communities, ranked by signal.
- 2026-05-22 research_milestone Publication of a new framework for offline black-box optimization. 来源
3 天有情绪数据
-
SPADE transformer 推进高精度量能器模拟
研究人员开发了 SPADE，这是一种新颖的自回归 transformer 模型，用于模拟粒子物理学中的高精度量能器数据。与先前将多个特征联合嵌入的方法不同，SPADE 独立嵌入特征，并在特征流之间引入延迟。这种方法允许标准的自注意力机制有效地学习 token 内的相关性。SPADE 在 ILD 探测器的光子簇生成方面表现出与现有模型相当的性能，并为将 LLM 式预训练应用于复杂的多特征数据集提供了新途径。
-
SPADE框架利用扩散模型增强机器人路径规划
研究人员开发了SPADE，一个利用扩散模型提高泛化性和鲁棒性的新型机器人路径规划框架。该方法将基于扩散的增强集成到现有的行为克隆模型中，提高了它们适应未知环境的能力。与当前最先进的方法相比，SPADE显著降低了绝对姿态误差和Fréchet Inception距离，同时所需的训练参数也更少。
-
新的SPADE框架利用扩散模型增强离线黑盒优化
研究人员推出了一种用于离线黑盒优化的新框架SPADE，该框架使用扩散模型的条件生成建模。该方法通过引入用于全局一致性的校准扩散估计模块和用于遵守数据流形约束的支持邻近正则化机制来增强前向代理建模。SPADE在Design-Bench和LLM数据混合优化等基准测试中展示了最先进的性能。
-
SPADE AI模型加速药物发现，性能超越竞争对手
研究人员开发了SPADE，这是一种新颖的算法，旨在通过有效识别高质量的候选药物来加速药物发现。SPADE平均仅需40次测试即可找到10个合适的配体，在样本效率方面显著优于现有的深度学习和贝叶斯优化方法。此外，SPADE速度更快，完成候选评分的速度比最接近的竞争对手快十倍。