CodeMidas — агентный пайплайн, преобразующий реализованную функциональность в открытых кодовых базах в исполняемые среды для обучения с подкреплением (RL), используя только исходный код в качестве входных данных. Он генерирует 5 545 тренировочных задач из 3 185 кодовых баз, охватывающих 23 языка и 15 технических областей, улучшая производительность на нескольких кодовых бенчмарках при обучении MiMo-V2.5 с использованием GRPO.
Этот источник давно не обновлялся. Время замера указано выше.
График появится после повторных замеров. Текущий показатель уже получен из источника.
31 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Этот подход использует открытые кодовые базы для создания масштабируемых сред для обучения с подкреплением в задачах программирования, улучшая производительность агентов в различных программных областях.
В этой статье представлена FAMOS — модель, предсказывающая сегментацию подвижных частей и параметры шарниров из разреженных неупорядоченных частичных облаков точек. Модель использует многосостоятельный трансформер для агрегации признаков подвижности по нескольким наблюдениям и целевую функцию наблюдаемого диапазона подвижности для контроля диапазонов движения частей.
6 дней назадDaily PapersIntBMoE представляет блок-условную архитектуру Mixture-of-Experts (MoE), которая разделяет участие, выполнение и материализацию, объединяя плотную композицию экспертов с разреженным выполнением блоков. Используется обученная кодовая книга для блоков и гиперсеть для объединения экспертов, обеспечивая полное участие при низких затратах на выполнение и память. Эксперименты показывают улучшения в классификации изображений, языковом моделировании и последовательном рекомендовании, с реальным внедрением в системе рекомендаций AMap.
5 дней назадDaily PapersВ статье представлено SELF-INDEX, фреймворк, позволяющий индексу самовосстанавливаться без участия человека, диагностируя проблемы поиска, изменяя ключи индекса и проверяя изменения. Он также использует симулятор запросов для активного поиска новых требований к поиску, улучшая производительность в различных корпусах и приложениях.
6 дней назадDaily PapersВ статье представлена методика Document Retrieval-Aware Chunking (D-RAC), которая эффективно обрабатывает корпоративные документы, нормализуя их в PDF и преобразуя в оптимизированный для поиска Markdown с использованием мультимодельной ИИ. Этот подход сохраняет структуру документа, снижает затраты на токены и повышает эффективность фрагментации.
позавчераDaily PapersВ статье представлено OmniVChat — задача нативного аудиовизуального диалога, где модели обрабатывают аудио и видео напрямую без отдельного текста. Представлена OmniVChat-Studio для генерации диалогов, OmniVChat-Bench для оценки и OmniVChat-RL для усиленного обучения, что улучшает производительность как на синтетических, так и на реальных данных.
5 дней назадDaily PapersDeepSeek-V4.1-Flash — мультимодельная модель Mixture-of-Experts (MoE) с 552 млрд параметров, разработанная для улучшения сжатия кэша KV и снижения вычислительных затрат для задач с длинными контекстами. Она использует архитектуру Causal Encoder-Decoder и оптимизации, такие как повторное использование кэша KV на уровне слоев и кэширование FP4, чтобы значительно снизить использование памяти и пропускной способности по сравнению с предыдущими версиями.
6 дней назад