Conditional Diffusion Models for Energy-Efficient Driving
面向节能驾驶的条件扩散模型
机构 * University of Washington(华盛顿大学) ; Amazon Science(亚马逊科学) ; University of Cambridge(剑桥大学)
AI总结 该研究提出潜在条件扩散模型,基于1.2万次商用EV行程遥测数据生成电流轨迹,其性能优于直接条件注入,为不确定性感知的大规模车队规划奠定基础。
大厂专区
面向节能驾驶的条件扩散模型
机构 * University of Washington(华盛顿大学) ; Amazon Science(亚马逊科学) ; University of Cambridge(剑桥大学)
AI总结 该研究提出潜在条件扩散模型,基于1.2万次商用EV行程遥测数据生成电流轨迹,其性能优于直接条件注入,为不确定性感知的大规模车队规划奠定基础。
QUORUM:基于多个标注者的质量优化路由
机构 * Amazon(亚马逊) ; Sapienza University of Rome(罗马萨皮恩扎大学) ; Université Côte d’Azur(蔚蓝海岸大学) ; CNRS(法国国家科学研究中心) ; Inria(法国国家信息与自动化研究所) ; I3S(信息、信号与智能系统实验室)
AI总结 本研究提出预算感知路由框架QUORUM,通过特征信号估计实例难度、结合多标注者结果,在固定预算下动态分配任务,提升标注质量并降低成本。
Comments 4 figures, 18 pages
SEGRA:用于基于Gremlin的问答的结构化经验引导图推理代理
机构 * University of British Columbia(英属哥伦比亚大学) ; Amazon(亚马逊)
AI总结 针对企业文本到Gremlin问答难题,SEGRA引入经验引导代理,集成多种技术,包括意图路由、查询生成等。在企业IT支持基准测试中成绩出色,平均评判分数大幅提高,技能库还降低了成本,提升了企业图问答的准确性与效率。
Comments Accepted at EMNLP 2026 Industry Track
选择、标注、评估:自然语言处理中的主动测试
机构 * Amazon(亚马逊) ; Sapienza University of Rome(罗马萨皮恩扎大学) ; Inria(法国国家信息与自动化技术研究院) ; CNRS(法国国家科学研究中心)
AI总结 本文提出主动测试框架,通过选择最具信息量的测试样本减少标注成本,实验显示在18个数据集上标注减少达95%,性能估计误差小于1%。
Comments 19 pages, 7 figures