AI-magic AI-magic

神经网络不确定性估计

Interpretable Self-Aware Prediction开源项目 – 提高神经网络对分布外数据的认知不确定性
Interpretable Self-Aware Prediction开源项目 – 提高神经网络对分布外数据的认知不确定性

用于稳健弹道预报的可解释自感知神经网络，旨在提高神经网络对分布外数据的认知不确定性估计，以适应安全关键型应用，如自动驾驶汽车。
Interpretable Self-Aware Prediction开源项目 – 提高神经网络对分布外数据的认知不确定性
Interpretable Self-Aware Prediction开源项目 – 提高神经网络对分布外数据的认知不确定性

用于稳健弹道预报的可解释自感知神经网络，旨在提高神经网络对分布外数据的认知不确定性估计，以适应安全关键型应用，如自动驾驶汽车。
Awesome LLM Interpretability开源项目 – 大型语言模型可解释性资源精选
Awesome LLM Interpretability开源项目 – 大型语言模型可解释性资源精选

这是一个关于大型语言模型（LLM）可解释性的资源精选列表，涵盖工具、研究论文和教程，并定期更新以反映该领域的最新进展，便于用户进行导航和探索。
xLSTM-新架构，结合LSTM与Transformer的优势
xLSTM-新架构，结合LSTM与Transformer的优势

xLSTM是由LSTM发明者创造的新架构，旨在实现与Transformer类似的规模和性能，同时缩小与现有最先进LLMs的差距。
Thermostat开源项目 – NLP模型解释与分析工具集合
Thermostat开源项目 – NLP模型解释与分析工具集合

Thermostat是一个集合，提供多种自然语言处理(NLP)模型的解释及其分析工具，帮助用户深入理解模型的决策过程及性能评估。
Finding Transformer Circuits with Edge Pruning开源项目 – 通过边缘修剪识别变压器电路
Finding Transformer Circuits with Edge Pruning开源项目 – 通过边缘修剪识别变压器电路

论文介绍了通过边缘修剪找到变压器电路的技术，旨在有效识别和分析变压器电路，从而提高模型的可解释性。该技术可以帮助研究人员和开发者更好地理解变压器模型的结构及其工作原理。
思想克隆-模仿人类思维，提高AI性能
思想克隆-模仿人类思维，提高AI性能

思想克隆训练框架：人工智能代理通过模仿人类在行动时大声思考的思想和行动，学习像人类一样“思考”和行动，从而提高性能、效率、泛化性、人工智能安全性和可解释性。
ACT-Bench开源项目 – 自动驾驶模型评估框架
ACT-Bench开源项目 – 自动驾驶模型评估框架

ACT-Bench是一个用于评估自动驾驶世界模型行动可控性的框架，帮助研究者量化模型在特定轨迹下生成驾驶场景的能力。
Monica图标

通过字节跳动免费使用满血可联网DeepSeek R1

现在注册，立即送145元代金券

字节跳动提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型

马上试试
AI-magic收录了大量国内外AI工具箱，包括AI写作、图像、视频、音频、编程等各类AI工具，以及常用的AI学习、技术、和模型等信息，让你轻松加入人工智能浪潮。
Copyright © 2025 AI-magic 浙ICP备19008543号-3