种子

10 材料

排序为

在新研究中提出了ADN-Agent架构，其中大型语言模型充当调度员角色，用于管理配电网时的一组专业模型。系统自行确定请求含义，将其分解为多个阶段，选择所需工具并通过统一接口接入，同时为简化文本子任务，采用自动化微调紧凑型LLM的方法。

作者介绍了一种开放流程，能够自动生成障碍物几何形状，进行流体动力学模拟，并将结果转换为张量用于神经网络训练。该系统已验证了数据的可复现性和质量，所获得的数据集成功训练了多个代理模型。

新的ChatPlanner框架将微调的语言模型与RAG相结合，以识别对话式偏好并将其纳入路线计算中。实验表明，该系统比传统规划器找到了更多合适的替代方案，同时保持了计算上的实用性。

研究人员提出了一种模型适应新超声图像集的方法，无需访问原始数据：该方法结合了伪标注细化、轮廓质量控制以及目标域风格的合成图像生成。即使仅从五个标注帧开始，该方法也能显著提升分割精度。

随着LLM智能体在数据科学领域的自主性不断增强，标准界面无法清晰呈现系统的推理过程，也难以实现及时干预。AdaLens将分析过程以故事线的形式可视化：计划、进度和中间结果一目了然，分析师可以随时调整工作方向。

FlightLLM的新方法结合统计模型与大语言模型，将飞行数据转化为对飞行员操作的清晰解释。基于空客A320真实数据的测试表明，该方法能提供准确的分类，并对硬着陆原因给出明确表述。

航空公司部署了OpenAI企业级工具，以更快地分析乘客数据并做出决策。这使得团队能够从不同接触点整合完整信息，并加速新产品的推出。

新框架SAGE能够自主从示例中提取导演原则，根据生成结果进行精准优化，并为每个场景仅提供适用的规则。在测试中，该系统获得77.8分，而专业导演为77.1分，并将创作时间缩短了83%以上。

Airtel用户免费获得一年Perplexity Pro订阅的促销活动显著加速了该服务的增长：七个月内下载量超过5600万次，月活跃用户达到2200万人。促销结束后下载量有所下降，但Perplexity在印度的订阅和应用内购买收入增长了约60%。