中
◀ Back to feed
HF Papers

HERIT:用检索增强的伪标签减轻时间偏差,让汉字文献能更稳地译成英文

Published 2026-11-02 Collected 2026-11-08 08:00 AI news #ai#tech
Full text

改进什么:历史文献的用词随朝代变,现代翻译模型容易偏到某一个时期。怎么做:检索增强伪标签适配历史档案,提升跨时期准确率,便于把古籍向全球读者打开。

Source
Title
HERIT:用检索增强的伪标签减轻时间偏差,让汉字文献能更稳地译成英文
Author
—
Site
HF Papers
Published
2026-11-02
Collected
2026-11-08 08:00 · 2026-11-08-08-ai.json
Link
https://huggingface.co/papers/2611.04949
Open original ↗

Reposted. Will be removed on request. All rights belong to the original author.

More from this batch

08:00batch · 2026-11-0812 items
>

纽约时报长篇人物稿《The Making of Dario Amodei》:上市前梳理 Anthropic CEO 的理性主义与有效利他主义来路

Ryan Mac、Kalley Huang、Cade Metz、Georgia Gee 采访二十多位同学、朋友、老师和同事,并看到他早年邮件与在 OpenAI 的内部消息。Dario 本人拒绝受访。报道把他对 AI 风险的立场追溯到普林斯顿时期对奇点、Yudkowsky 社群和 …

The New York Times
>

社交平台传 OpenAI 大规模封号:反代、拼车、额度转售和低价区账号是重灾区,官方尚未专函说明

机器之心 11 月 7 日率先整理用户反馈:不少账号无通知邮件即无法登录。反馈较集中的包括 API 额度转售、多人共享/Team 席位、codex2api 一类反代、低价区号和学生认证号;也有人声称纯自用被波及。时间上接近 11 月 2 日前后的设备/支付卡绑定限制,以及 11 …

PicX / 机器之心
>

开发者重新掂量 Claude Code 和 Codex:复杂编排 vs 高通量成本

趋势页汇总近期讨论:Claude Code(Opus 5.5)在多步编码基准上更强但更吃 token,Codex(GPT-6.1 Sol)被说成更省、更适合大量重复活。不少人把两者当互补而不是二选一,并建议用自己的真实项目测一遍。

X 趋势
>

编码 Agent 讨论从「换模型」转向「做 harness」:规则、记忆、子代理和过夜任务

开发者把一次性聊天改成可过夜跑的系统:初始化仓库、写验证步骤、按任务拆模型(有人用 Sonnet 写代码、Haiku 做检索、Opus 当顾问),再用 CLAUDE.md 固化规则。模型波动时,可检查的工作流比换一个名字更要紧。

X 趋势
>

Higgs Realtime Duplex: Face to Face, Working in the Background

Boson's 45B MoE front model listens, watches, speaks and renders a face in 160 ms chunks while thinking, calling tools and delegating hard w…

Boson AI
>

MEMOIR:给长程 Agent 的免训练记忆生命周期——合并前先「公证」证据还在,用过之后再回头给记忆打分

改进什么:现有系统多在写入时就定下重要性,合并可能悄悄丢掉以后要用的证据,检索又一直偏向过时条目。怎么做:合并前用裁判团检查答案相关证据是否保留;每次回答后再根据记忆对答案的贡献更新检索优先级,并用 UCB 探索少被看见的条目。在 1905 条 LoCoMo 问答上,完整检索栈比…

arXiv
>

DRAP:按轨迹放大风险调节可塑性,让物理 AI 在不回放旧数据时也能记住以前学会的动作

改进什么:机器人等物理智能体持续学习新任务时,旧行为容易被冲掉,完整回放又不现实。怎么做:根据轨迹放大风险,自适应降低关键部件的可塑性,从而在学新技能时更好地保留旧行为。

HF Papers
>

全波形激光雷达 Transformer 靠强度引导的 token 裁剪与保波形增强,走向实时

改进什么:全波形激光雷达 Transformer 准,但 token 太多、跑不快。怎么做:按强度剪并合并 token,再用保住波形物理特性的数据增强,在提速的同时改善精度和泛化。对做车载/机器人感知的团队有参考。

HF Papers
>

EDGAR:用扩散模型和合成失败样本,把损坏的高斯人头数字人修回去

改进什么:3D 高斯人头数字人一损坏就难看。怎么做:条件扩散加融合块和专家混合,注入自监督身份特征,再用修好的多视角渲染当伪标签去优化同一个数字人。

HF Papers
>

UniRestorer++:按多种粒度给图像退化建模,再自适应路由,把通用图像修复做强

改进什么:一张修复模型很难同时对付模糊、噪声、压缩等多种损伤。怎么做:多粒度退化建模加自适应路由,让模型在更多退化类型上扩得动、泛化更好。

HF Papers
>

Less Reasoning. More Doing. Meet Koa Decisions.

Salesforce's next HyperClassifier, built on Gemma, returns a single-step choice, yes/no or score from a user-defined list, now with image an…

Salesforce
>

This week in Claude Code, Codex and Gemini CLI (week of November 8, 2026)

Claude Code auto mode no longer falls back to the built-in classifier behind gateways; denyInsteadOfPrompting keeps unattended runs from sta…

DEV Community / AI Coding Guide