Wasabi Technologies
PulseAugur coverage of Wasabi Technologies — every cluster mentioning Wasabi Technologies across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的 WASABI 方法使用扩散模型进行玻尔兹曼分布采样
研究人员推出了一种新颖的从玻尔兹曼分布生成样本的方法,称为 WASABI(Wasserstein Sampling via Bridge Interpolants)。这种基于扩散模型的方法通过最小化其生成分布与目标玻尔兹曼分布之间的 KL 散度进行训练,利用 Wasserstein 梯度流。WASABI 提供了一种实用的训练算法,可以绕过对难以处理的对数密度梯度的需求,并在训练后高效生成新样本,在诸如丙氨酸二肽等系统的能量评估方面优于现有基线。
-
WASABI 管道为自动驾驶稳定车道拓扑
一篇新论文介绍 WASABI,这是一个实时后处理管道,旨在稳定自动驾驶系统的车道拓扑输出。WASABI 通过将车道段及其连接性视为联合跟踪目标来解决当前感知模型的缺陷,从而提高准确性并减少错误。该系统在车道连接检测 F1 分数方面取得了显著的提升,并减少了中心线横向误差,同时通过降低车道切换和标签闪烁率来增强时间稳定性。
-
Android机器人Andrea的情感模拟未能给博物馆参观者留下深刻印象
研究人员调查了在德国博物馆环境中对名为Andrea的android机器人的接受度。该研究比较了三种情况:无情感模拟、由ChatGPT 4.1模拟的情感,以及由WASABI架构模拟的情感。对73名参观者的调查表明,ChatGPT 4.1或WASABI的情感模拟均未显著改善参观者的评价,也没有被有意识地感知。
-
人工智能和勒索软件重塑网络安全,强调恢复能力
由于勒索软件和人工智能的影响,网络安全正在迅速发展,使得网络弹性(cyber resilience)和数据恢复与预防同等重要。Wasabi Technologies 的 Jon Brooks 强调,在当前由人工智能驱动的格局下,强大的备份策略和可信赖的数据对于有效的安全至关重要。重点正从仅仅避免攻击转向确保组织能够从攻击中恢复。