跳到正文
AI 资讯
5月8日周五
  1. Berkeley AI Research50

    Berkeley AI Research 分析自适应并行推理:让大语言模型自主控制推理扩展

    Berkeley AI Research 对自适应并行推理的研究进展与未来方向展开分析,探讨由模型自主决定何时分解任务、生成多少并行线程及如何协调。该方法旨在克服固定并行结构带来的冗余计算,并缓解顺序推理导致的上下文退化、延迟上升与算力消耗问题。

4月20日周一
  1. Berkeley AI Research47

    GRASP:面向长时程世界模型的梯度式规划

    Berkeley AI Research 提出 GRASP,一种面向学习动力学世界模型的梯度式规划器,使长时程规划更可行。它将轨迹提升到虚拟状态以跨时间并行优化,在状态迭代中加入随机性促进探索,并重塑梯度,让动作获得清晰信号,同时避开高维视觉模型中脆弱的“状态输入”梯度。

3月13日周五
  1. Berkeley AI Research55

    Berkeley AI Research 提出 SPEX 与 ProxySPEX 扩展大规模关键交互识别

    Berkeley AI Research 提出 SPEX 与 ProxySPEX,用于在大量特征、训练样本和模型组件中识别影响输出的关键交互。方法利用稀疏性、低度性和层级结构减少所需消融次数,其中 ProxySPEX 以约少 10x 的消融次数达到 SPEX 的表现。实验覆盖特征归因、数据归因和注意力头归因,相关代码已集成至 SHAP-IQ 仓库。

1月10日周六
  1. Berkeley AI Research50

    Berkeley AI Research 基于信息量优化成像系统设计

    Berkeley AI Research 提出基于信息量的成像系统评估与优化框架,可直接利用含噪测量和噪声模型估算互信息。框架在色彩摄影、射电天文、无镜头成像和显微镜四个领域验证了性能预测能力,优化后的设计可媲美端到端方法,并减少内存与计算量,无需任务专用解码器设计。