跳到主要内容
检索

University of Michigan

22 篇关联报道

订阅更新
  1. Advanced Science

    酶功能预测改用无标注同源序列:EZpred在720个新酶上把四位数EC号F1提到0.786

    EZpred把蛋白质结构预测里常用的同源序列特征搬到酶功能预测上,只取同源序列的序列特征、不看它们的功能标注。此前深度学习模型大多只从目标序列本身取特征,少数用同源的模型也只利用带功能标签的同源序列。在720个于UniProt 2024_02新增EC号的酶上,EZpred预测完整四位数EC号的F1为0.786,比CLEAN和GraphEC分别高27%和31%。

  2. bioRxiv

    不用弯折传感器也能给手指打标签:Freebie 多相机实时追踪,端到端延迟中位数约16毫秒

    非人灵长类的手指运动标签长期依赖带弯折传感器的机械手柄,这类装置限制了可测运动的维度。Freebie 用多台同步相机和实时姿态估计直接输出手指关键点,在30 FPS与60 FPS采集下分别取得15.8毫秒和16.2毫秒的端到端延迟中位数,其关键点与弯折传感器的中位相关系数绝对值为0.96。用Freebie标签训练的肌电解码器在闭环控制中与用弯折传感器标签训练的版本表现相当,说明训练解码器未必需要给手部加装传感器。

  3. arXiv

    世界模型打分不必逐个跑:一次提取局部形状,16个候选快过源生成器

    把动作条件数据流形的局部形状一次提取出来,之后任意多个候选动作只需矩阵乘法即可打分,16个候选比源生成器快一个数量级以上,短时域预测还更准。

  4. arXiv

    距离矩阵被随机篡改后,最小生成树仍可近似:一般篡改下达到对数因子,且无需查询真实距离

    在半随机篡改的距离度量中,每条点对距离以固定概率被对手任意改写,算法只能看到被篡改后的距离。针对只增、只减和任意增减三种篡改方向,分别给出多项式时间或拟多项式时间的近似算法,其中一般篡改下达到对数因子近似,与既有下界在信息论意义上吻合,且全程不查询真实距离。

  5. arXiv

    语言模型回答总是千篇一律:先找嵌入空间里的空位,碰撞率最多降12.8%

    语言模型面对开放问题时常常给出语义相近的答案,即使可选项很多。Gap Detection把候选方向放在共享文本嵌入空间里搜索,用查询相关性(Demand)与对最近已有答案的差异性(Defensibility)相乘得到GapScore,再经语言模型映射为概念词并生成文本。在五个主题和90条INFINITY-CHAT查询上,报告的输出Collision平均相对下降分别为12.8%和10.8%;在每方法100条训练样本的迭代合成数据增强中,Collision从0.324降到0.298,Vendi Score从27.16升到29.20,而40例测试集上的准确率只差一例。

  6. arXiv

    世界模型不再整帧硬猜:先学一张不确定度图,只让扩散模型补该补的地方

    D3WM把下一帧预测拆成确定部分和不确定部分,用学习到的不确定度图引导扩散模型只生成遮挡和动态纹理区域,在机器人操作与相机运动两类动作上超过对照世界模型。

  7. arXiv

    血管CT超分辨不再只看像素:把血管结构单独放进3D标签空间学,断开的门静脉重新连上

    血管CT超分辨重建出的血管常出现断裂、多余或错误连接,而图像质量指标看不出这些结构错误。VascuSR把血管结构从CT灰度重建中拆出来,先在3D血管标签空间用条件整流流修正血管,再通过轻量控制器把修正后的结构注入扩散解码器,并在每轮重建后重新提取结构形成反馈。在重新标注的MSD Task08与HVM上,它的Dice和clDice优于插值和学习型基线,类别平均连通分量数在两个数据集上均下降超过20%,MSD上平均中心线距离下降超过10%,图像质量与SR骨干相当。

  8. arXiv

    掩码扩散模型不再只靠序列长度算样本量:隐结构决定训练样本,树混合下多项式即可

    基于Transformer的掩码扩散模型首次获得端到端统计保证:当数据分布可由隐马尔可夫树混合近似时,达到KL精度所需的训练样本量由隐结构复杂度决定,而非随序列空间规模指数增长。分析同时覆盖并行采样带来的并行化误差与有限样本下掩码预测器的估计误差,且Transformer架构与采样过程无需知道树拓扑或分量参数,能自动适应未知隐结构。

  9. arXiv

    Remory 用残差记忆令牌补足摘要,在 SummHay 上把引用 F1 提升 4.04 分并逼近全上下文联合得分

    Remory 训练一个神经记忆网络,在生成的摘要之后追加一段有界的软记忆令牌,帮助冻结的 LLM 逼近使用完整历史时的续写;在 SummHay 上以约 5.2% 的输入位置把引用 F1 提升 4.04 分、联合得分提升 3.55,并在 Qwen3.8-27B 与 GLM-5.3-Flash 的长程智能体基准上取得一致增益,同时减少重复工具输出与工具错误。

  10. arXiv

    面向地外独立异常分诊的证据驱动人-智能体-机器人协同架构,并以Reachy Mini与MARS完成端到端硬件在环演示

    该工作提出一种面向深空乘组地外独立异常分诊的证据驱动人-智能体-机器人协同架构:智能体仅作为显式状态与受限可检查服务之上的协调者,由分诊状态管理器维护假设、证据溯源与不确定性,乘组交互智能体采集观察并解释评估变化,移动机器人获取局部证据;作者以国际空间站氨泄漏误报为锚点的火星航行场景和月球基地电源接口异常场景说明该架构,并在NVIDIA DGX Spark上用Reachy Mini与Innate MARS完成端到端硬件在环集成演示。