본문으로 건너뛰기

오디세이: 검증 가능한 지역 진실 보존 기반 모델을 구축하는 것

AI 자동 생성

ODYSSEY 라는 범용 프레임워크를 소개합니다. 이 프레임워크는 특정 지역의 진실을 유지하는 foundation 모델을 구성하기 위해 foundry라는 개념을 사용합니다. foundation 모델은 지역 컨텍스트의 덮개, 지역 표현가족, 제한 맵, 붙이는 규칙, 방해 정책, 업데이트 의무, 인간과 대면하는 뷰를 지정하는 아키텍처 구성 요소입니다. foundry는 지식의 정렬된 sheaf를 포함하고 argumentation component를 가지고 있습니다. 구체적인 foundry는 generic foundry를 기반으로 만들어지며, evidence/argument, operational decision, institutional/financial, market meaning, scientific challenge, research-program, assistant-build, evaluation-harness를 포함합니다. Universal Foundry Learning (UFL)은 foundry의 구성이 left와 right Kan extension의 합성으로 formalize됩니다. left Kan extension은 local artifact를 candidate foundry로 rolling하고, right Kan extension은 restriction, gluing, obstruction, argumentation condition을 강제합니다. Foundry SQL (FSQL)은 maintained foundry artifact를 slicing하기 위한 작은 typed query surface입니다. 이 surface는 TICKET (Topos Integration using Causal Kan Extension Transformers) 인증을 사용하여 durable ODYSSEY state에 external 또는 pre-built 모델을 admit합니다. ODYSSEY는 다양한 concrete foundry에 대해 완전히 implement되고 test되었으며, domain construction, artifact replay, sheaf diagnostics, grounded Toulmin/local-LLM scrutiny, residual-obstruction ledgers, optimized TICKET-compatible causal-claim extraction을 지원합니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 2시간 전

노이즈가 있는 경찰 음성 데이터에 대한 미리 학습된 ASR 가짜 레이블링

방송 경찰 통신(Broadcast Police Communication, BPC)에서 노이즈가 많은 상황에서 훈련된 음성 인식 시스템이 나쁜 성능을 보인다. 이를 통해 경찰의 의사 결정이 이해될 수 없게 되고, 이는 경찰의 의사 결정에 대한 연구를 어렵게 만든다. 사용자 레이블을 비용이 많이 들지 않고 pseudo-labeling을 통해 ASR 성능을 개선할 수 있는 방법이 있다. 그러나 매

AI 모델 3시간 전

단백질 확산 모델의 테스트 시점 정렬을 위한 스펙트럴 피드백

Reward 최적화와 일치하는 방법을 위한 분산 확산 모델의 방법론은 대개 역과정의 방향을 조절하기 위해 로짓을 영향받거나 중간 단계에서 선호하는 시퀀스를 선택하는 것을 목표로 합니다. 이러한 접근법은 주로 추론을 단방향적인 과정으로 다루며, 불쾌한 토큰 선택을 재방문하는 메커니즘을 제공하지 못합니다. 우리는 Spectral Feedback 라는 알고리즘을 소개합니다. 이 알고리즘은 feed

AI 모델 3시간 전

3차원 구조 기반의 막통합 단백질의 상위 구조 예측

이 논문은 최신 그래프 신경망(GNN, Graph Neural Network)인 SchNet을 이용한 단백질拓종 추론의 새로운 방법을 제시한다. 모델은 최근 DeepTMHMM 모델을 개발하기 위해 사용된 데이터셋과 동일한 데이터셋을 사용하여 5-분할 교차 검증을 통해 학습되었다. 단백질 서열이나 $\alpha$- 탄소만을 특성으로 사용하는 전통적인 접근법과 달리, 우리는 분류기에서 모든 원자

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.