跳到主要内容
检索

Universität Hamburg

3 篇关联报道

订阅更新
  1. bioRxiv

    细胞类型不再先标注:NetMap从混合单细胞数据里同时读出调控网络与细胞身份

    单细胞调控网络推断不再需要先给细胞分型。此前流程先聚类、再用标记基因标注细胞类型,然后逐群推断网络,聚类和标注的误差会传进网络。NetMap在聚类之前就为每个细胞推断基因调控网络,再用GradientShap把网络边归因到输入基因,在PBMC多组学数据的三个评估案例上聚类分数分别为1.0、0.99和0.99。

  2. arXiv

    ConRad 用 GRPO 与对数评分规则微调医学视觉语言模型,使报告级 ECE 从 0.642 降至 0.106,并在 IU-Xray 零样本迁移中把 ECE 从 0.310 改善到 0.034

    该工作提出 ConRad,一个基于强化学习的框架,用 GRPO 算法和对数评分规则奖励微调医学大视觉语言模型,使其在生成放射报告的同时输出报告级或句子级的言语化置信度,在 MIMIC-CXR 上报告级 ECE 降至 0.106、句子级 ECE 降至 0.239,并在 IU-Xray 零样本迁移中把 ECE 从 0.310 改善到 0.034,同时报告生成质量(GREEN)保持稳定。

  3. SciPost Physics

    AllShowers 用单一生成模型统一模拟电子、光子与带电/中性强子的量能器簇射,并在强子簇射保真度上超过此前的单粒子模型

    AllShowers 是一个基于 Transformer 架构的连续归一化流生成模型,用单一模型在高度粒度的 ILD 探测器中生成电子、光子以及带电和中性强子的量能器簇射,无需重新训练即可覆盖较宽的入射能量与角度范围,并在强子簇射的保真度上超过此前针对单一粒子类型训练的模型。

已读完全部报道