Yitong Zhang
PulseAugur coverage of Yitong Zhang — every cluster mentioning Yitong Zhang across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的PriCoder方法教大型语言模型使用私有库进行代码生成
研究人员开发了PriCoder，一种增强大型语言模型（LLMs）生成利用私有库代码的能力的新方法。当前方法即使有API文档的访问权限也表现不佳，因此催生了PriCoder，它通过合成数据来教会LLMs如何有效地调用这些私有API。该方法将数据合成建模为一个图构建问题，采用渐进式图演化来保证多样性，并通过多维图剪枝来保证质量。实验表明，PriCoder在不影响通用编码能力的情况下，将私有库代码生成性能显著提升了20%以上。
-
新的Chameleon框架利用了动态环境中GUI代理的漏洞
研究人员开发了一个名为Chameleon的新攻击框架，旨在利用在动态在线环境中运行的GUI代理的漏洞。现有的环境注入攻击（EIA）方法通常不切实际，未能考虑到网页内容的不断变化。Chameleon通过使用LLM驱动的环境模拟来生成多样化的网页模拟，并采用注意力黑洞机制来优化触发器并提高代理对无关内容的鲁棒性，从而解决了这一问题。在多个网站和LVLM驱动的GUI代理上的评估表明，Chameleon的性能明显优于先前的方法。
-
Diffusion LLMs 在翻译和形式语言生成方面取得进展 · 跟踪 2 个来源
两篇新的研究论文探讨了扩散大型语言模型（dLLMs）在机器翻译和形式语言生成方面的进展。第一篇论文介绍了熵谷（EV），一种用于机器翻译中 dLLMs 的无训练长度选择方法，它改进了目标长度选择，并取得了与自回归模型相比具有竞争力的结果。第二篇论文提出了 LAVE，一种用于 dLLMs 的约束解码方法，通过使用前瞻和验证来保持语法正确性，同时开销极小，从而确保形式语言的可靠生成。