实体
tempera
tempera
PulseAugur coverage of tempera — every cluster mentioning tempera across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
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 3 条
-
MLOps挑战:高AUC不保证模型准确性
本文讨论了确保机器学习模型准确性所面临的挑战,即使像曲线下面积(AUC)这样的指标看起来很高。文章强调,即使模型的AUC得分为0.99,也不能保证模型的正确性,文中举例说明了一个模型虽然AUC为0.99但仍然存在缺陷。作者介绍了Têmpera,一个用Rust和Python构建的平台,旨在在训练前审计数据,并通过使用能够解决问题且成本最低的机器来优化资源使用。
-
TEMPER方法通过张量网络增强神经网络残差路由
研究人员推出了一种新颖的增强深度神经网络残差路由的方法,名为TEMPER。TEMPER利用张量网络将生成器表示为多路张量,与现有方法相比显著减少了参数数量,同时保持了表达性。实验表明,TEMPER在语言建模和常识推理任务中与当前技术相当或超越,实现了卓越的性能-参数效率。
-
新研究应对大语言模型推理、效率和蒸馏挑战 · 跟踪 10 个来源
新研究探索了提高大语言模型(LLMs)推理能力和效率的方法。一篇论文引入了“Trace as State”,通过将推理痕迹置于上下文块之前来增强长上下文推理,在各种模型和数据集上显示出显著的性能提升。另一项研究提出了“SALA”,用于上下文学习中的语义感知逻辑对齐,改进了复杂推理任务的演示选择。此外,关于“HEAL”的研究旨在通过解决当前蒸馏技术的局限性,从 LLMs 中将推理蒸馏到更小的模型中,其灵感来源于教育理论。