跳到主要内容
检索

University of Rochester

5 篇关联报道

订阅更新
  1. aclanthology.org

    Lean证明失败不再丢弃:编译器反馈加双模型搜索,pass@32预算内平均通过率提高12.8个百分点

    在依赖项目上下文的Lean 4定理证明中,失败证明过去被当作最终筛选结果丢弃,独立采样让后续尝试几乎从头开始。这套搜索框架让通用推理模型与Lean专用证明器各出一个候选,用编译器错误做两两比较选出当前最佳证明,只在比较判定更好时接受修订,停滞则重新采样。在miniCTX-v2的七个真实Lean 4项目上,pass@32预算内平均通过率比两个基座模型的平均pass@32高12.8个百分点,LLM调用减少21.9%。

  2. aclanthology.org

    聚变打靶一次上百万美元:扩散语言模型把中子峰时刻误差从11.6步压到9.2步

    惯性约束聚变每次打靶成本约百万美元,因此用AI代理模型预测中子产率波形很有价值。ICF-DLM把512步中子产率波形拆成总产额、峰时刻和峰附近局部波形三个物理量,用双向去噪的扩散语言模型联合生成,并以物理奖励做强化学习。在ICFBench的50发实验留出测试集上,其峰时刻误差为9.2步,同一套微调与强化学习流程下的自回归LLaMA-3-8B为11.6步。

  3. arXiv

    EpiCon用两个2B模型搭建共享多模态记忆库,让不同智能体系统互相复用经验并把宏平均分提高1.7到4.9分

    EpiCon提出一个共享多模态记忆框架,用两个独立训练的2B模型(记忆控制器与树自组织器)把问题级的文本指导与视觉证据协同演化,并与持久经验库相连,在不更新宿主模型参数的前提下,让不同多智能体系统互相复用和贡献经验;在11个基准、4个多模态任务域、两种harness与多个骨干上,冻结记忆库即可在单次求解下提升其他系统,第二个harness使原系统宏平均分提高2.6分,四种宿主配置下2B版本比无记忆提高1.7至4.9分,并把记忆操作时间相对骨干规模记忆模型减少67%至74%。

  4. arXiv

    VideoLoop 用双循环有界工作记忆缓解长视频智能体的语义抖动,在 VideoMME(长)等三项基准上把 Gemini 3.1 Pro 提升 3.2 至 4.5 个百分点

    该工作把长视频智能体的失败模式形式化为“语义抖动”——只追加的工作记忆会不断累积噪声、稀释关键证据,并提出 VideoLoop:外层多模态智能体在沙箱文件系统中探索视频,内层记忆编排器在每一步之后从无界文件系统检索相关产物并重写有界工作记忆;在 VideoMME(长)、VideoMMMU 与 LongVideoBench(长)上,VideoLoop 以即插即用方式提升四个 LVLM 主干,平均在 VideoMME(长)上比基线高 4.2 个百分点,使用 Gemini 3.1 Pro 时分别达到 88.3%、88.8% 与 80.9%。

  5. arXiv

    在1,888名参与者、32,847段视频上评测七种视频基础模型,VideoPrism在16项任务中10项居首,V-JEPA2-SSv2在翻转手掌任务上取得85.3%的AUC

    该研究构建了一个来自1,888名参与者(其中727人患帕金森病)的32,847段网络摄像头视频数据集,覆盖16项标准化临床任务,并以冻结特征加线性分类头的方式系统评测了七种视频基础模型(VideoPrism、V-JEPA2及其SSv2变体、ViViT、VideoMAE、VideoMAEv2、TimeSformer),结果显示任务显著性与模型架构高度相关:VideoPrism在视觉言语运动学和面部表情任务上表现最佳,V-JEPA2系列在上肢运动任务上更强,TimeSformer在手指敲击等节律性任务上仍具竞争力,整体AUC为76.4%–85.3%、准确率为71.5%–80.6%,特异性最高达90

已读完全部报道