标签
本文提出了 ReLOBGen，一种限价订单簿消息生成器。它通过从当前挂单簿中选择被引用的订单并屏蔽无效标记，在结构上保证了可重放性，在500条消息的滚动展开中实现了100%的可重放率，且在每条重放消息上的速度比 LOBS5 基线提升了2.7-3.6倍。
论文提出了 Coffee 框架，它是一个即插即用的方案，在推理阶段利用编译好的有限状态目标来引导离散扩散模型，避免了对词元补全进行指数级枚举，同时支持硬约束与学习得到的软目标，并在符号、语言和生物学基准上进行了验证。
麻省理工学院的研究人员开发了PottsMPNN，这是一个结合物理原理的机器学习框架，旨在改进蛋白质序列生成和稳定性预测，从而能够设计超越天然序列的新型蛋白质。
探讨了一种故事板规划的AI电影化场景方法，先构建序列结构再逐镜头生成，相比于单提示生成，能产生更连贯的视频，同时指出了当前弱点如身份漂移和交互物理。
本文介绍了结构化循环混合器（SRM），这是一种架构，无需专用内核即可在并行训练和循环推理之间进行代数转换。实验表明，与 Transformer 相比，SRM 实现了显著更高的吞吐量和并发能力，并在强化学习任务中表现出有效性能。