Toshiaki Koike-Akino
PulseAugur coverage of Toshiaki Koike-Akino — every cluster mentioning Toshiaki Koike-Akino across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
神经网络压缩技术将模型尺寸缩小 23.4%
研究人员开发了一种新颖的神经网络压缩技术，该技术利用神经网络固有的表示自由度来减小模型尺寸。通过搜索保持函数不变的变换和受控的函数扰动，该方法使用 Zstandard 等现有压缩器来选择更有效的表示。该方法在 SmolLM2 和 Qwen3 模型的 Zstandard 压缩尺寸上实现了高达 23.4% 的缩减，证明了表示自由度作为存储资源的实际效用。
-
新的RAOA架构使用无线电传播进行神经网络计算
研究人员介绍了一种新颖的循环计算架构——无线电交替算子 Ansatz (RAOA)，该架构利用可编程无线电传播来实现计算深度。这种方法在持久的潜在状态上交替进行能量驱动的问题更新和混合更新，即使在使用重复学习的控制时也能实现组合式传递。RAOA 在精确离散优化任务中显示出潜力，可以在不增加学习控制数量的情况下提高解决方案质量，并且可以通过模拟中的可编程传播来近似。当应用于预训练语言模型时，RAOA 在 WikiText 上取得了有竞争…
-
机器人通过触觉反馈学习灵巧寿司操作
研究人员开发了TacSushi，一种新颖的世界-动作策略，它利用触觉反馈来改进机器人对寿司等可变形物体的操作。该系统基于Cosmos3模型构建，从记录的未来后果中学习，并通过逐特征门控融合机制整合指尖触觉数据。在实际试验中，与缺乏触觉感知或未来后果监督的方法相比，TacSushi在分布内和分布外任务中均表现出显著更高的成功率。
-
LLM裁判可改进AI撰写的专利，但可靠性参差不齐
一项新的研究论文介绍了“Vibe Patenting”，这是一个用于评估LLM裁判在专业专利撰写中有效性的测试平台。研究发现，使用LLM裁判进行迭代反馈可以显著提高AI生成的专利草稿的质量，甚至能使不太复杂的代理的表现与更高级的代理相媲美。虽然LLM裁判作为优化信号显示出潜力，但它们的可靠性以及与人类专家（如专利律师）的一致性是依赖于指标的，并且需要仔细校准。
-
EinSort 方法通过索引排序增强大语言模型压缩
研究人员开发了 EinSort，一种通过识别权重中固有的低秩结构来压缩大型语言模型的新颖方法。该技术利用索引排序来发现这些结构，这些结构通常被模型的巨大规模和非结构化分布所掩盖。实验表明，与现有方法相比，EinSort 提高了模型权重和 KV 缓存压缩的重建质量。