研究者发布 CaliMem：用校准记忆筛选训练数据的智能体方法
热点事件持续更新
研究者发布 CaliMem：用校准记忆筛选训练数据的智能体方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Hanze Li 等研究者在 arXiv 发布 CaliMem 论文，提出一种通过“校准记忆”搜索筛选策略的数据智能体方法，代码已开源。该方法要求智能体在执行每个数据筛选策略前先预测结果，用预测误差对结论做“现实检验”，保留有依据的结论、修正错误并标注适用条件。论文称，在覆盖生物领域和 LLM 后训练的 55 个数据集-模型任务上，同一筛选配方可能帮助一个模型却损害另一个模型；CaliMem 持续超越固定筛选基线与已发表方法，最高超过全量数据训练 19.4%。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
CaliMem：通过校准记忆实现搜索高效的数据智能体报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AICaliMem：通过校准记忆实现搜索高效的数据智能体
CaliMem 是一种校准记忆的智能体循环，要求智能体在执行每个数据筛选策略前先预测结果，用预测误差对结论做"现实检验"，保留有依据的结论、修正错误并标注适用条件。在覆盖生物领域和 LLM 后训练的 55 个数据集-模型任务上，同一筛选配方可能帮助一个模型却损害另一个模型。CaliMem 持续超越固定筛选基线与已发表方法，最高超过全量数据训练 19.4%，代码已开源。
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。