跳到主要内容
检索

# 校准

3 篇关联报道

订阅更新
  1. Liquid AI

    Liquid AI 发布 d1.2 决策模型:新增音频输入与五类任务,d1.2-ultra 在决策指数上领先两分

    Liquid AI 发布决策模型 d1.2 与 d1.2-ultra,两者新增音频输入和五类结构化输出任务,包括从文本中读取数值、抽取文本片段、在图像中定位目标、给出带区间的数值估计以及多选作答。在 Artificial Analysis Decision Index v2.1 上,d1.2-ultra 得 75 分,比此前最好的决策模型高两分;在 13 个基准、22,505 道题上,其校准误差为 0.8 个百分点,低于 d1.2 的 1.2 和 GPT-6 Luna Decisions API 的 7.2。五个新任务尚无公开基准,评测基于公开数据集留出划分构建的内部测试集。

  2. arXiv

    喷注能量校准改由神经网络逐级接手:残余堆叠依赖约为参数化基线的一成

    大型强子对撞机上的强子喷注能量校准长期依赖对若干可观测量的参数化函数拟合,逐级修正堆叠、探测器响应与数据—模拟差异。一个原型流水线把这三类修正都交给直接针对该级待修正量训练的神经网络,不预设函数形式,新增输入即可扩展。在模拟的双喷注与大半径喷注样本上,各阶段性能与参数化基线相当或更好,残余堆叠依赖平均约为基线的十分之一。

  3. arXiv

    语义先验该在因果发现哪一步介入:方向判断有增益,查询位置与准入证书尚未站住

    观测数据常留下无法定向或不稳定的因果边,大语言模型可凭变量名与描述给出方向建议。研究把语义信息的使用拆成查询分配、建议准入与图保留三步,在Asia、Sachs、Child、Insurance、Alarm五个基准网络上分别检验。语义定向优于随机抛硬币式定向,但按不稳定边挑选查询目标相对等量随机分配没有确立优势;所测准入证书在现有校准任务数下只能完全弃权,学习到的参考图在80个计划任务中仅3个包含真实DAG。

已读完全部报道