TSV 1860 München
PulseAugur coverage of TSV 1860 München — every cluster mentioning TSV 1860 München across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的Scen-Opt工具箱支持数据驱动的凸优化
研究人员开发了Scen-Opt，一个开源软件工具箱，旨在通过场景方法促进数据驱动的凸优化。该工具将凸优化与数据样本相结合，为决策提供统计保证。Scen-Opt是用Python实现的，并包含一个带有图形界面的用户友好型Web应用程序，支持各种数据格式的输入。
-
分析发现，LLM提示中的漂亮JSON比CSV多使用3倍的token
最近的一项分析比较了七种数据格式在LLM提示中的token使用情况，发现漂亮的JSON比CSV消耗的token多约三倍。这种差异归因于重复的键、标点符号和不必要的缩进，这些都会增加token数量，但对模型没有好处。研究建议在提示中使用CSV或TSV来处理简单的表格数据，使用最小化JSON来处理结构化输出，使用Markdown来处理人类可读的表格，同时建议不要在提示中使用漂亮的JSON和XML，以优化成本。
-
ReForge框架通过贝叶斯优化精炼合并的AI模型
研究人员开发了ReForge，一个用于精炼合并AI模型的新框架。这种双层优化方法使用带有锚点中心先验的贝叶斯线性回归，无需联合重新训练即可组合多个特定任务的模型。ReForge可以带或不带校准数据运行，其无数据变体利用任务向量Grams。该方法在各种基准测试中表现出卓越的性能，与现有的锚点基线相比，显著提高了视觉和语言任务的准确性。
-
AI代理自动化Anki抽认卡创建，简化学习流程
一位LessWrong用户分享了他们使用AI为语言学习和将棋学习创建抽认卡的经验。起初，他们手动将词汇输入Anki，然后使用AI生成TSV文件进行批量导入。该过程演变为使用Anki的APKG格式，最终使用AnkiConnect和JSON，这让用户意识到AI代理可以自动化复杂的卡片创建，包括插入图像和程序化数据更新。
-
谷歌Humufish TPU将采用英特尔EMIB-T而非台积电CoWoS
据报道，谷歌即将推出的代号为Humufish的TPU将采用英特尔的EMIB-T封装技术，而不是行业标准的台积电CoWoS。这一举措意义重大，因为目前大多数AI训练加速器都依赖台积电的CoWoS。英特尔的EMIB-T通过将小型硅桥直接嵌入基板，避免了台积电大尺寸中介层的掩膜限制和浪费，从而在可扩展性和成本方面具有优势。
-
华天科技拓展芯片封装测试产能
华天科技正在扩大其集成电路封装测试产能，包括存储芯片。该公司采用FC和TSV等先进封装技术。此次扩产旨在满足各行业日益增长的需求。