跳到主要内容
检索

Zhejiang University

60 篇关联报道

订阅更新
  1. arXiv

    化学家只写目标,VibeSyn智能体跑完十步全合成:人工主动输入仅占7.3%

    浙江大学等团队构建了分层智能体系统 VibeSyn,把化学家给出的分子目标转成随实验证据调整的合成决策,并驱动计算工具与自动化装置执行。在十步长春质碱全合成中,系统记录722条动作,其中智能体推理占69.7%、工具与装置结果占18.8%,主动人工输入与人工确认分别占7.3%和4.2%,最终从29.8 mmol 3-乙基吡啶得到160 mg产物。含非天然氨基酸环肽的三项合成中,主动人工输入与确认分别占7.5%和5.2%。

  2. arXiv

    智能体强化学习不再只给整条轨迹打分:ORSD用自生成评分细则,把信用分到每个词元

    在线评分细则自蒸馏(ORSD)让当前策略从同一组同策略轨迹的差异中自行生成自然语言过程评分细则,再由冻结验证器按细则满足度与任务成功的相关性选出一份,作为特权信息比较同一批词元在有无细则下的对数似然差,把轨迹级GRPO优势细化为词元级信用。在ALFWorld与WebShop上,Qwen3-1.7B和Qwen3-4B在相同环境交互预算下均取得所比较方法中最好的总体结果。

  3. arXiv

    阿里达摩院HoloCT把CT读片与三维分割合成一个模型,多中心阅片研究在敏感度与总准确率上超过四位放射科医生

    阿里达摩院推出三维CT基础模型HoloCT,把影像解读与体素级分割放进同一个视觉—语言模型,让文字结论能配上可核查的三维掩膜。此前的分割网络只勾画、不解释,CT视觉语言模型只出文字、不给定位。在五个医院11,455例临床CT上,HoloCT-8B在喉部病变与肺癌分割上把平均Dice较VoxTell分别从0.107提到0.488、从0.543提到0.715,并在甲状腺肿瘤与结肠病变回顾性阅片研究中于敏感度和总准确率上超过全部四位参与放射科医生。

  4. arXiv

    高动态范围光谱成像不再二选一:先在编码测量域融合曝光,光谱重建动态范围提高16.0 dB

    计算高光谱成像要在一次拍摄中同时保住高光与暗部,但编码掩膜各通道的光谱响应并不相等,单次曝光无法让所有通道都落在可靠区间。浙江大学团队把多曝光融合放到光谱反演之前的编码测量域,用解析可靠性先验与可学习的通道级修正共同决定融合权重,并用测量域光谱角监督约束通道间相对响应。在9通道宽带编码相机上,光学密度靶标测得光谱重建动态范围42.8 dB,比最佳固定单次曝光的26.8 dB高16.0 dB。

  5. arXiv

    掩码扩散模型在预算内提前锁定答案:HiLo-RD 用大窗口轨迹自蒸馏,GSM8K 准确率升 9.4 个百分点

    掩码扩散语言模型在小响应窗口下会在推理尚未完成时先固定答案片段,这一提前承诺随后成为后续预测的上下文。HiLo-RD 让同一模型的大窗口轨迹充当冻结教师,把其隐藏表示对齐到裁剪后的小窗口视图,在已提交位置上做表示蒸馏。在相同小推理预算下,GSM8K 准确率从 68.84% 升到 78.24%,平均可读长度从 362.8 降到 271.3 个 token,增益还延伸到未做代码域训练的代码生成。

  6. arXiv

    肝脏CT诊断改按征象组合:训练中没见过的病种也能检出并勾出病灶位置

    肝脏CT诊断模型通常直接从图像预测疾病标签,因此只能识别训练中出现过的病种。DbC把诊断拆成两步:先学习一组放射学征象在扫描上的分布图,再按指南把疾病定义为若干必需征象的组合,用无参数的软最小值算子合成诊断图。在多期肝脏CT上,对训练中完全未见过的六种疾病,DbC的病灶定位显著优于包括图像—疾病名对齐模型在内的全部对照,并在另一机构的罕见病和公开外部队列上保持优势。

  7. bioRxiv

    超增强子不再只靠表观组学找:Borzoi-SE直接从DNA序列定位,CRISPRi验证β-珠蛋白HS2主导

    超增强子此前只能靠H3K27ac等表观组学峰拼接来界定,未做过表观谱的细胞状态难以发现,其序列语法也无从解读。Borzoi-SE把超增强子识别改写为从524 kb长序列出发、按细胞类型分辨的基因组目标检测,在90种人类细胞与组织谱系上同时给出超增强子概率与边界。在留出染色体上,它的区域级PR-AUC为0.643、F1为0.498,而四个片段级基线分别约为0.34和0.15;对β-珠蛋白超增强子做计算机模拟删除,模型把HS2列为首要功能枢纽,CRISPRi沉默HS2后整个位点染色质可及性下降35%至85%。

  8. arXiv

    History Forcing 让少步视频模型记住久远历史:1.3B 学生 60 秒 VBench-Long 达 79.82

    少步自回归视频扩散模型在长推演中会逐渐丢失主体与场景信息,现有蒸馏目标没有把久远历史单独作为约束。History Forcing 用同一自回归教师在有、无额外历史两种条件下的预测之差构造上下文残差,加权后修正 DMD 或 OPSD 的蒸馏目标。1.3B 学生模型在 15 秒生成上取得 VBench 质量分 85.07,在 60 秒生成上取得 VBench-Long 综合分 79.82,并在相机离开再返回的评测中把 PlayWorld 演化质量从 2.35 提到 2.70。

  9. arXiv

    CellCanon把细胞扰动预测、证据解释与观测更新接进同一世界状态,一次新测量即可改写未测细胞系的预测

    单细胞扰动筛选仍留下许多化合物与细胞背景未被测量,CellCanon 把表达预测、带来源的解释和观测驱动的更新放进同一个共享世界状态。语言模型先整理药物与靶点证据,数值读出头再指导单细胞表达生成;在 339 个留出的 SciPlex3 条件上,其差异表达 AUPRC 与 Macro-F1 分别为 0.8067 和 0.8164,最强基线为 0.4938 和 0.6961。模拟实验反馈中,每个药物只给一个已测来源背景,固定权重的更新器即可把未测细胞系的差异表达 AUPRC 提到 0.9077。

  10. aclanthology.org

    黑盒大模型后门改看推理图:GCoTD在GPT-4o上把TPR提高3.44个百分点

    GCoTD把黑盒大模型的推理过程转成图结构,再用轻量检测器判断回答是否被后门触发,而不依赖权重、梯度或训练数据。此前后门检测多依赖白盒信号、带标签的投毒数据或输出层特征,在闭源API上容易失效。在四种攻击类型、六个模型上,GCoTD在多数设置中取得最高或接近最高的TPR,并在GPT-4o与LLaMA-3-8B上分别比此前最优方法高3.44和3.75个百分点的TPR。