小红花·文摘

《GPT 图解》笔记：N-Gram、NPLM、LSTM

Ying’s Blog ·

美团发布基于 N-gram 全新模型：嵌入扩展新范式，实现轻量化 MoE 高效进化

美团技术团队 ·

矩陣的 Modified Gram Schmidt 方法

Louis Aeilot's Blog ·

矩陣的 QR 分解在電腦運算中可能造成誤差，本文探討一下一種改進版本的 Gram-Schmidt 正交化方法。經典的 Gram-Schmidt 方法可能造成數值不穩定性。在電腦中，舍入誤差可能會累積，造成得到的

矩陣的 Modified Gram Schmidt 方法

Louis Aeilot's Blog ·

Gram空间流形Muon

Nathan Chen ·

Netflix Tudum 如何通过 CQRS 支持 2000 万用户

ByteByteGo Newsletter ·

本研究提出了一种新方法FedGraM，通过嵌入格拉姆矩阵来抵御联邦学习中的非针对性攻击，显著提升模型的防御效果。实验结果表明，FedGraM在有限数据样本下优于现有防御方法。

FedGraM: Defending Against Untargeted Attacks in Federated Learning via Embedding Gram Matrix

BriefGPT - AI 论文速递 ·

LG超轻Gram笔记本新增英特尔芯片和离线AI功能

The Verge ·

本研究探讨深度强化学习的泛化能力，提出整合鲁棒适应模块的框架，以增强对环境动态的识别与应对，显示出在多种仿真任务中的有效性。

GRAM: Generalization in Deep Reinforcement Learning with Robust Adaptation Module

BriefGPT - AI 论文速递 ·

本研究解决了南非11种语言的语言识别问题，发现N-gram模型中有效的数据选择对语言频率分布至关重要，同时也探讨了多种预训练的多语言模型（PLM）在语言识别中的有效性。研究表明，Serengeti模型在不同模型中表现最佳，并提出了一种轻量级的BERT-based语言识别模型（za_BERT_lid），其性能与最佳的Afri-centric模型相当。

从N-gram到预训练多语言模型用于语言识别

BriefGPT - AI 论文速递 ·

本文研究了增强语言模型预测能力的方法，包括潜在语义分析（LSA）和RNN模型的应用。结果表明，使用LSA和多语言词嵌入显著提升了模型性能，尤其在短文本处理和语义消歧方面表现突出。同时探讨了传统与现代语言模型在自然语言处理中的应用关系。

N-gram预测与词差表示在语言建模中的应用

BriefGPT - AI 论文速递 ·

在数据摄取过程中，模式匹配是当代数据库系统中至关重要的阶段，它的目标是识别与不同数据表相关联的两组属性之间的相似性，本研究重新审视了这个基础问题，并基于大型语言模型进行了探讨，强调了在零射和少射场景下精确匹配属性的能力。

GRAM: 基于数据安全背景下的数据模式的生成式检索增强匹配

BriefGPT - AI 论文速递 ·

本研究论文介绍了一种有效处理孟加拉语下一个词预测和孟加拉语句子生成的双向长短期记忆网络模型，扩展了孟加拉语处理的范围，具有多样性和潜在影响力，在各种新闻门户网站上构建了语料库数据集，并在单词预测方面取得了卓越结果，uni-gram、bi-gram 和 tri-gram 的单词预测准确率分别达到 35%、75% 和 95%。