跳到正文
热点事件持续更新

杜克大学等提出基于能量的推理器EBR

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

杜克大学、UIUC 与哈佛大学的研究者提出基于能量的推理器(EBRs):在潜在推理状态上学习能量函数,把循环更新形式化为能量梯度下降。该模型仅 1.8M 参数,在 Sudoku-Extreme 上达到 99.9% 准确率,推理算力比次优模型少 345 倍。上述准确率与算力对比均为论文作者报告的结果。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. Hacker News
    Energy-Based Reasoners:推理效率提升 385 倍的循环推理模型

    杜克大学、UIUC 与哈佛大学提出 Energy-Based Reasoners(EBRs),在潜在推理状态上学习能量函数,把循环更新形式化为能量梯度下降,仅 1.8M 参数即在 Sudoku-Extreme 上达到 99.9% 准确率,推理算力比次优模型少 345 倍。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。