热点事件持续更新
STEER 降低关系基础模型推理成本
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布论文提出 STEER 方法，用于降低关系基础模型的推理成本。该方法通过提示大语言模型按任务对数据库模式的外键边进行相关性分级，并将分级映射为遍历概率，从而把推理上下文集中在与预测任务最相关的表上。在 RT、RT-J 和 Griffin 三个关系基础模型上，STEER 平均将推理上下文规模缩减约 40%，同时保持甚至部分提升预测准确率。由于分级仅依赖模式，每个任务只需计算一次即可复用，成本可被摊销。目前该工作处于论文发布阶段，尚无后续进展报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月3日 12:00
STEER 论文发布，在三个关系基础模型上平均缩减约 40% 推理上下文。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）STEER：通过语义感知采样降低关系基础模型推理成本
STEER 通过提示大语言模型按任务对数据库模式的外键边进行相关性分级，并将分级映射为遍历概率，把推理上下文集中在与预测任务最相关的表上。在 RT、RT-J 和 Griffin 三个关系基础模型上，STEER 平均将推理上下文规模缩减约 40%，同时保持甚至部分提升预测准确率。由于分级仅依赖模式，每个任务只需计算一次即可复用，成本可被摊销。
本事件热度走势
当前热度 8·可比范围峰值 9（10月3日 17:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。