大厂专区
CORAL：迈向自主多智能体进化以实现开放性发现
机构 * MIT（麻省理工学院） ； NUS（新加坡国立大学） ； MiniMax ； McGill（麦吉尔大学） ； Stanford（斯坦福大学） ； SambaNova ； Meta ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟） ； Amazon（亚马逊） ； Microsoft（微软）
AI总结 本文提出CORAL框架，通过自主多智能体进化方法，实现了在开放性问题上的发现，展示了智能体自主性和多智能体进化对提升开放性发现的显著效果。
SETA：终端智能体的扩展环境
机构 * Imperial College London（帝国理工学院） ； University College London（伦敦大学学院） ； SambaNova（桑巴诺瓦公司） ； KAUST（阿卜杜拉国王科技大学） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； University of Waterloo（滑铁卢大学） ； RadixArk（基数方舟公司）
AI总结 研究针对终端智能体训练扩展难的问题，提出SETA框架，含SETA - Synth和SETA - Evol两个管道及统一验证机制，构建了SETA - Env数据集。实验显示该数据集能为终端智能体提供优质训练环境，推动相关研究发展。
LongAttnComp：跨族上下文压缩用于长上下文推理
机构 * SambaNova Systems, Inc.（SambaNova系统公司）
AI总结 提出LongAttnComp方法，通过微调轻量级交叉注意力评分层并引入令牌级分块、令牌预算top-p算法、位置重排序和格式无关查询解析器，结合两阶段微调策略，在长上下文推理任务中实现与全上下文相当或更优的准确率。
Comments Under review
SnapStream: 在数据流加速器上高效处理长序列解码
机构 * SambaNova Systems, Inc.（SambaNova系统公司） ； Microsoft AI（微软人工智能） ； Meta Platforms, Inc.（Meta平台公司）
AI总结 本文探讨了在数据流加速器上实现长序列解码的效率与准确性，提出SnapStream方法，通过压缩KV缓存提升芯片内存利用率，减少精度损失。
代理情境工程：为自我改进语言模型演化情境
机构 * Stanford University（斯坦福大学） ； SambaNova Systems, Inc.（SambaNova Systems公司） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出ACE框架，通过生成、反思和整理的模块化过程，使情境持续进化，提升语言模型在代理和领域推理中的性能，减少适应延迟和成本。
Comments ICLR 2026; 32 pages
通过多示例提示进行测试时适应：益处、限制与陷阱
机构 * SambaNova Systems, Inc（SambaNova系统公司） ； Stanford University（斯坦福大学）
AI总结 研究通过多示例提示在不同任务和模型中分析测试时适应的性能变化，探讨其有效性及限制，指出其在结构化任务中的优势及在开放生成任务中的不足。
长上下文推理在自动化Bug修复中的局限性
机构 * SambaNova Systems（SambaNova系统）
AI总结 本研究发现长上下文推理在自动化Bug修复中存在显著局限，现有模型在长上下文下的表现远低于预期。
Comments Accepted to ICLR 2026 ICBINB workshop
FuseFlow：一种面向稀疏深度学习的流数据流编译框架
机构 * Stanford University（斯坦福大学） ； SambaNova Systems, Inc.（SambaNova系统公司） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 FuseFlow是一种用于稀疏深度学习的编译框架，通过融合稀疏操作提升模型效率，展示了融合粒度对模型性能的影响。
机构 * Stanford University（斯坦福大学） ； SambaNova ； Mozilla AI（Mozilla人工智能）
机构 * Department of EECS, UC Berkeley, CA, USA（UC伯克利电子工程与计算机科学系） ； SambaNova Systems Inc., Palo Alto, CA, USA（SambaNova Systems公司） ； Computer Science Department, Stanford University, CA, USA（斯坦福大学计算机科学系）
Comments Code available at https://github.com/vint-1/chipdiffusion
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； University of Washington（华盛顿大学） ； Amazon（亚马逊） ； SambaNova Systems（SambaNova系统）
机构 * SambaNova Systems, Inc.（SambaNova系统公司） ； University of Washington（华盛顿大学）
机构 * University of Washington（华盛顿大学） ； Apple（苹果公司） ； Toyota Research Institute（丰田研究院） ； UT Austin（得克萨斯大学） ； Tel Aviv University（特拉维夫大学） ； Columbia University（哥伦比亚大学） ； Stanford（斯坦福） ； UCLA（加州大学洛杉矶分校） ； JSC ； LAION ； AI2 ； TUM（慕尼黑技术大学） ； CMU（卡内基梅隆大学） ； Hebrew University（希伯来大学） ； SambaNova ； Cornell（康奈尔大学） ； USC（南加州大学） ； Harvard（哈佛大学） ； UCSB（加州大学圣塔芭芭拉分校） ； SynthLabs ； Contextual AI ； DatologyAI
Comments Project page: https://www.datacomp.ai/dclm/
机构 * SambaNova Systems, Inc.（SambaNova系统公司）
Comments Published as a workshop paper at SCOPE - ICLR 2025
机构 * Knight Foundation School of Computing and Information Sciences, Florida International University（佛罗里达国际大学奈特基金会计算与信息科学学院） ； Security, Optimization, and Learning for InterDependent networks laboratory（相互依赖网络的安全、优化与学习实验室） ； School of Computing, Southern Illinois University（南伊利诺伊大学计算机学院） ； SambaNova Systems（SambaNova系统公司）
机构 * SambaNova Systems, Inc（桑巴诺瓦系统公司）
机构 * SambaNova Systems（SambaNova系统公司）
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； SambaNova System, Inc（SambaNova系统公司） ； Objective, Inc（Objective公司） ； Microsoft（微软公司） ； University of Virginia（弗吉尼亚大学） ； Shenzhen Nanshan People’s Hospital（深圳市南山区人民医院） ； Shenzhen Children’s Hospital（深圳市儿童医院）
Comments Tech Report. The appendix will release soon. arXiv admin note: text overlap with arXiv:2309.11745
机构 * SambaNova Systems, Inc（SambaNova系统公司）
Comments 2024 57th IEEE/ACM International Symposium on Microarchitecture (MICRO)
机构 * SambaNova Systems（桑巴诺瓦系统公司）
机构 * SambaNova Systems, Inc（桑巴诺瓦系统公司）
机构 * The University of Hong Kong（香港大学） ； SambaNova Systems（SambaNova系统公司）
机构 * SambaNova Systems（SambaNova系统公司）
Comments 14 pages, 8 figures, Under review
机构 * SambaNova Systems（SambaNova系统公司）
Comments 23 pages
机构 * SambaNova Systems（桑巴诺瓦系统公司） ； University of Washington（华盛顿大学） ； ThirdAI（ThirdAI公司）
Comments 25 pages. ICML 2024
机构 * SambaNova Systems（桑巴诺瓦系统公司） ； University of Washington（华盛顿大学）
Comments Transactions of Machine Learning Research
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Advanced Micro Devices（超威半导体公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Sambanova Systems（Sambanova系统公司） ； Tsinghua University（清华大学）
Comments Fix some typos in the ASPLOS version
Journal ref Proceedings of the 29th ACM International Conference on Architectural Support for Programming Languages and Operating Systems 3 (2024) 755-769
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈