语言大模型 / LLM

Training Versatile Coding Agents in Synthetic Environments

在合成环境中训练多功能编码代理

Yiqi Zhu, Apurva Gandhi, Graham Neubig

机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 SWE-Playground通过从头生成项目和任务，训练多功能编码代理，能够处理更广泛的编码任务并提升性能。

How to Build Robust, Scalable Models for GSV-Based Indicators in Neighborhood Research

如何构建基于GSV指标的稳健、可扩展模型用于邻里研究

Xiaoya Tang, Xiaohe Yue, Heran Mane, Dapeng Li, Quynh Nguyen, Tolga Tasdizen

机构 * University of Utah（犹他大学） ； Scientific Computing and Imaging Institute（科学计算与成像研究所） ； University of Maryland（马里兰大学） ； National Institute of Nursing Research（护理研究国家研究所） ； National Institutes of Health（卫生研究院） ； University of Alabama（阿拉巴马大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文通过实证分析探讨如何为小规模数据集选择和调整基础模型，利用无监督训练提升对Google Street View图像的稳健、可扩展模型性能。