Princeton University（普林斯顿大学）

DySCO: Dynamic Attention-Scaling Decoding for Long-Context Language Models

DySCO：动态注意力缩放解码用于长上下文语言模型

Xi Ye, Wuwei Zhang, Fangcong Yin, Howard Yen, Danqi Chen

机构 * Princeton Language and Intelligence, Princeton University（普林斯顿语言与智能，普林斯顿大学） ； Department of Computer Science, New York University（纽约大学计算机科学系） 纠错

AI总结 DySCO通过动态调整注意力机制提升长上下文推理能力，利用检索头识别关键token并增强其权重，在多个基准测试中取得25%的性能提升。

Personalized and Context-Aware Transformer Models for Predicting Post-Intervention Physiological Responses from Wearable Sensor Data

面向个性化和情境感知的Transformer模型：用于预测可穿戴传感器数据后干预的生理反应

Esther Brown, Victoria Dean, Finale Doshi-Velez

机构 * Harvard University（哈佛大学） ； Princeton University（普林斯顿大学） 纠错

AI总结 本文提出基于Transformer的模型，用于预测干预后生理指标的时间轨迹及变化方向，通过结合多时间窗百分比变化和用户标记事件，验证个性化预测的可行性。