/
ThinkAny：新时代 AI 搜索引擎
ThinkAny，新时代 AI 搜索引擎，利用RAG技术检索和聚合优质内容，结合AI的智能答题功能，高效解答用户问题。
参考文献：
[1] https://github.com/thinkany-ai/rag-search
[2] https://thinkany.ai/zh
0赞好文章，需要你的鼓励
推荐文章
VisCoder：打造能生成可执行Python可视化代码的大语言模型
这项研究介绍了VisCoder，一个经过专门微调的大语言模型，用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集，结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中，VisCoder显著优于同等规模的开源模型，甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式，证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
适应再学习：四川大学团队提出的革新性连续学习框架
这项研究提出了"适应再连续学习"（ACL）框架，一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整，ACL使模型既能更好地学习新知识（提高可塑性），又能保留已有知识（维持稳定性）。实验证明，该框架能显著提升各种连续学习方法的性能，为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
双域稳健性：CLIP模型需要一个稳健的文本编码器
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题，提出了LEAF方法（Levenshtein高效对抗性微调）来增强文本编码器的稳健性。实验表明，LEAF显著提高了模型在面对文本扰动时的性能，在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时，LEAF显著提高了对抗噪声下的生成质量；在多模态检索任务中，它平均提高了10个百分点的召回率。此外，LEAF还增强了模型的可解释性，使文本嵌入的反演更加准确。
BenchHub：一站式自定义评估大语言模型的统一基准平台 - KAIST和Yonsei大学科研团队让模型评估更智能灵活
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台，整合了38个基准中的30万个问题，按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差，而BenchHub通过自动分类系统和用户友好界面，让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大，强调了定制化评估的重要性。该平台支持多语言扩展和领域特化，为研究人员和开发者提供了灵活评估大语言模型的强大工具。
2024
06/28
22:04
分享
点赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
