BriefGPT - AI 论文速递 ·

异步隐私联邦学习中的动量逼近

💡 原文中文，约400字，阅读约需1分钟。

📝

内容提要

本文介绍了一种动态全球模型聚合方法，用于解决异构设备和客户端之间不同分布的数据带来的性能挑战。该方法根据客户端的上传频率对模型更新的权重进行评分和调整，以适应设备能力的差异。实验结果表明，该方法在全球模型的准确性上有显著提升。

🏷️

StickMe 隐私政策
StickMe是一款本地优先的动作记录应用，无需注册账号，不收集或上传个人数据，无广告及第三方SDK。相机画面仅用于本地识别人体骨骼动作，不分享真人画面。...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
An AI agent is kind of an AI system where the agent performs the task autonom...
Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
Claude Fable 5.1 对比 Fable 5：在实际工作中，我无法区分它们。
Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...
在代理式RAG中建立信任始于证据
Basic retrieval-augmented generation (RAG) follows a straightforward pattern....