巴比伦天文日记不再逐块手算:语言模型读残片,天文工具把701个候选年排成可核查的名单
巴比伦天文日记记录天空近六个世纪,许多泥板残缺、日期公式丢失,此前由专家逐块比对天象定年。新系统用规则解析器把观测读成固定字段的条款,语言模型对照原文补漏,天文工具在公元前626年至公元75年的701个年份中逐一检验并排序。在120块有决定性条款的已定年泥板上,排名首组包含已发表年份的比例为96%,其中86块的首组只含一个年份,84块正是已发表年份。
巴比伦天文日记记录天空近六个世纪,许多泥板残缺、日期公式丢失,此前由专家逐块比对天象定年。新系统用规则解析器把观测读成固定字段的条款,语言模型对照原文补漏,天文工具在公元前626年至公元75年的701个年份中逐一检验并排序。在120块有决定性条款的已定年泥板上,排名首组包含已发表年份的比例为96%,其中86块的首组只含一个年份,84块正是已发表年份。
多目标分子优化通常要求一次生成就同时改善多个性质并保持骨架相似,而此前基于大语言模型的方法要么只在推理时把上一轮反馈塞进提示、没有专门训练,要么只在单轮生成上做监督微调或强化学习。MFG 把这一过程改写为带反馈的多轮问题,用强化学习训练模型逐轮利用上一轮的性质变化与相似度信息,并在 MuMOInstruct 的十项任务上以 GeLLM3O 为底座得到 GeLLM3O-MFG,取得 81.50% 的平均相似度约束成功率。
该工作提出一种基础模型辅助的全去中心化多智能体强化学习框架:以自监督前向动力学预训练的基础模型作为评论家网络的奖励无关骨干,设备仅通过局部共识交换标量奖励,在公平AoI、最大和速率与公平速率三个随机接入优化任务上给出有限时间收敛分析,并报告收敛速度相对端到端训练提升至少约55%。
该工作提出 Soft Spatial Reasoning 后训练框架,让大型视觉语言模型在空间推理的每个思维链步骤用混合 token 嵌入的连续软状态代替硬性选择单个 token,并用 AdaptSoft 控制器依据当前隐藏状态与预测不确定性逐步调节软度,配合梯度对齐目标训练;在 OmniSpatial、SpatiaLab、MindCube 三个基准上,其加权平均准确率均高于同骨干的硬思考与固定软度思维链基线以及所比较的现有模型。
SpatialCORE 是一个基于 GRPO 的后训练框架,它用模型自身生成 grounding(边界框)时的坐标 token 不确定性来加权几何匹配质量,并用答案门控把 grounding 优化与最终答案正确性绑定,使模型学会从「既准确又自信」定位到的任务相关物体出发进行空间推理;在 OmniSpatial 留出测试集上 SpatialCORE-8B 取得开源与专用空间推理模型中最高的加权平均准确率,并在未参与训练的 SpatiaLab 上零样本领先,消融显示去掉置信度加权后准确率从 56.33% 降到 52.33%。
该系统综述与荟萃分析纳入5项研究(675处病变、共2,685,674张胆道镜图像),按PRISMA、MOOSE及Cochrane诊断准确性方法学、采用双变量模型汇总,发现AI(多为卷积神经网络深度学习系统,图像处理速度约每秒30至60帧)辅助胆道镜诊断不确定性与恶性胆道狭窄的汇总敏感度为95%(95% CI: 85-98)、特异度为88%(95% CI: 76-94)、诊断准确性(SROC)为97%(95% CI: 95-98),CNN亚组分析(4项研究、538例患者)结果一致,作者认为该方式是有前景的诊断手段。
该研究利用国际血液与骨髓移植研究中心(CIBMTR)登记数据,评估2022年3月至2023年12月接受商业化cilta-cel治疗的541例复发/难治多发性骨髓瘤患者,发现183例(33.8%)按改编简化虚弱评分归为虚弱,其总体缓解率与非虚弱者相近(82.8%对88.5%),但12个月无进展生存(62.7%对75.9%)和总生存(72.8%对90.4%)更差,任何级别ICANS发生率更高(32.2%对17.6%),多因素分析中虚弱独立预测更差的无进展生存(HR 1.67)、总生存(HR 2.46)和任何级别ICANS(OR 2.01)。
该工作提出 MeshHeal,一个完全去中心化的自愈框架,通过跨两个时间尺度的能力匹配同伴评审来应对去中心化 LLM 多智能体系统中的灰色故障:在快时间尺度上,自适应层级将不确定或低分输出从重复单评审者评估升级到委员会审议并在使用前纠正;在慢时间尺度上,任务与能力条件的同伴相对检测器聚合分数以区分持续退化与普通输出波动,触发强制委员会评审并最终将退化智能体排除出常规路由,恢复探针为其重新加入提供新证据;作者同时提出 Model-Backed MAS Evaluation 将能力分配绑定到执行模型,并在 BBH、MATH、MMLU-Pro 上报告 MeshHeal 在降级期达到 0.839 准确率、每任务共 51k 模型 to
该工作提出以智能顺序邻近连接测定(iseqPLA)结合转盘共聚焦显微与三维重建,对单细胞内源性NF-κB蛋白相互作用进行空间剖析,将共定位信号点簇视为超级复合物空间组织的度量,并在NIH-3T3小鼠成纤维细胞、囊性纤维化(CF)患者来源巨噬细胞与IMR-90人成纤维细胞共培养体系以及一组独立的健康与CF供体单核细胞-成纤维细胞共培养中追踪超级复合物解离、p65核转位与负反馈启动,报告三项发现:三维体积定量较二维投影降低核质比测量方差、细胞外基质包被选择影响NF-κB响应细胞比例、CF气道条件化巨噬细胞在CF模型中放大邻近成纤维细胞的旁分泌NF-κB信号,并以在精选转录组数据上微调的单细胞生成式
已读完全部报道