杜克大学等提出基于能量的推理器EBR
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
最新进展11月18日 17:29
Energy-Based Reasoners:推理效率提升 385 倍的循环推理模型报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- Hacker NewsEnergy-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。