
Mistral 3B 模型重塑 AI 安全審核
Mistral AI 發布 Shieldstral,這是一款 30 億參數、可適應規則的多模態安全分類器,支援文字、圖片與圖文混合輸入。它將審核轉化為自然語言規則匹配,據報在多項安全基準上接近甚至超越更大型模型。
Tag: #contrastive-learning6 results

Mistral AI 發布 Shieldstral,這是一款 30 億參數、可適應規則的多模態安全分類器,支援文字、圖片與圖文混合輸入。它將審核轉化為自然語言規則匹配,據報在多項安全基準上接近甚至超越更大型模型。

CWM使用InfoNCE對比學習與硬挖掘負例,對LLM進行微調作為動作評分器,以區分可行與無效動作。它在最小編輯硬負例上Precision@1優於SFT達+6.76個百分點,並達成更高AUC-ROC(0.929)。在ScienceWorld即時測試中,CWM在OOD壓力下提供更好安全邊際。

Multiverse 是一款語言條件生成器,能透過文字提示混合多款遊戲的關卡。它學習共享潛在空間,將文字指示與關卡結構對齊,並使用多正樣本對比監督來連結跨領域關卡。這支援透過潛在插值進行可控混合,以及零樣本組合生成。

LECT 整合 LLM,利用語義理解生成高品質偽 OOD 節點,結合基於能量的對比學習,用於文本屬性圖的節點級 OOD 檢測。它維持準確的節點分類,同時識別 OOD 節點。在六個基準資料集上超越 SOTA 基線。
Reddit 貼文尋求雙子網路反向傳播的正確實現說明。比較 GitHub 儲存庫的順序輸入處理,與雙編碼器風格的同時輸入及權重平均。請求社群驗證。
FASCL employs future-aligned soft contrastive learning using pairwise return correlations as supervision for financial asset retrieval. It outperforms historical similarity baselines on US equities. Includes protocol to evaluate future trajectory alignment.