跳到主要内容
检索

Fudan University

64 篇关联报道

订阅更新
  1. arXiv

    Calpha让通用大模型自己决定折叠:单链结构均值TM-score达0.808,长链仍落后直接基线

    Calpha把蛋白质折叠接进通用对话模型:Qwen3.5-9B读取序列与ESM2残基特征,在收到折叠请求时输出<structure>标记,用自身残基隐藏状态驱动冻结的SimpleFold-3B结构头生成全原子坐标。在固定折叠请求下,该配置在FoldBench-334、CASP16域和CAMEO风格PDB集上的平均TM-score分别为0.808、0.635和0.900;但在300–600残基链上,三个集合的平均配对差值分别为−0.044、−0.160和−0.025,均低于直接ESM2→SimpleFold-3B基线。

  2. arXiv

    情绪视频生成不再靠固定奖励:EmoReward把上一轮训练的经验变成下一轮的权重

    情绪视频生成的质量没有唯一正确答案,固定融合视觉、运动和文本对齐奖励难以表达情绪意图。EmoReward把一次完整训练中收集的奖励轨迹整理成各情绪场景下各评分通道的可靠性,转成有上限的权重乘子,在下一轮训练中与当前视频的实例门控结合,且不更新任何奖励模型参数。在HunyuanVideo 1.5上配合DanceGRPO、FlowGRPO和SAGE-GRPO,VideoAlign Overall在三种算法下均提高,其中SAGE-GRPO配合EmoReward从-0.8269升至-0.2624。

  3. arXiv

    力觉世界模型拆开两件事来学:演示定目标,玩耍数据补接触响应,四类真机任务成功率最高到95%

    接触密集操作里,专家演示只覆盖成功路径,难以说明力如何随动作变化;无任务目标的玩耍数据记录了更广的接触动力学,却不对应任务目标。ForceWAM把“任务期望的运动与六轴力/力矩未来”交给力觉世界模型从演示中学习,把“哪些动作能实现这一未来”交给逆动力学模型从演示与玩耍数据共同学习,部署时用新测得的力反馈在两次世界模型更新之间反复修正动作。在力调节滑动、有扰动与无扰动的翻箱、套环放置四类真机条件下,完整系统成功率分别为85%、95%、85%、90%,均高于所列基线。

  4. arXiv

    动作生成不再按块拼接:ODEAction 用常微分方程连续演化动作,EBench 平均成功率相对提升 61.8%

    视觉-语言-动作模型通常一次预测一整段未来动作,相邻动作块之间缺少显式的时间一致性约束,容易在衔接处出现动作突变。ODEAction 把动作生成改写为从当前动作出发的连续演化:学习一个动作转移场,用常微分方程积分逐步生成后续动作,不再联合预测固定长度的动作块。在 LIBERO 上平均成功率由 96.85% 升到 98.25%,在 EBench 上由 15.28% 升到 24.72%,即 61.8% 的相对提升;在 RoboTwin 五个任务上与 RTC、Legato 对比,平均成功率 84.4%,高于基线的 82.4%。

  5. bioRxiv

    噬菌体DNA模型改走双向去噪:可见错误碱基里,CPDD一次前向修正42.4%

    自回归DNA语言模型只能从左往右生成,而基因组修复与编辑往往同时依赖两侧序列。CreatiPhage团队把144.5M参数的噬菌体自回归模型改造成147.5M参数的双向离散扩散模型CPDD,在522个经筛选的噬菌体编码序列上,随机掩码恢复准确率高于同类扩散模型PhaGen,混合损坏测试中一次前向把42.4%的可见错误碱基改回正确碱基。

  6. arXiv

    酶与反应配对不再只靠序列相似:RIVER 用多智能体汇总证据,在 667 个候选蛋白中把四个目标酶全部排进前列

    RIVER 是一个无需训练的多智能体检索框架,把大语言模型、生化计算工具和外部知识库组织成可追溯的证据链,用于酶到反应和反应到酶的双向检索。在来自大肠杆菌代谢组学文献的四个实验支持的酶—反应案例中,它需要在 667 个候选蛋白里排序,使用 Qwen3.6-35B-A3B 时平均倒数排名为 0.833,使用 GPT-5.6 Luna 时为 0.750,均高于表中列出的通用编码智能体组合与领域方法。在公开基准上,它在 Enzyme-405 上的 Top-1 查询成功率为 82.3%,在 Orphan-335 上为 72.8%。

  7. 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。

  8. arXiv

    会写代码的智能体接上机械臂:ArmedAgent 测出最高94.29%的任务落到不安全状态

    前沿模型的空间理解能力让编程智能体无需任务示范或再训练,就能端到端零样本控制真实机械臂,风险也随之从数字世界跨到物理世界。ArmedAgent 把这类风险按来源分为良性指令致险、恶意使用和间接提示注入三类,覆盖5个场景36项任务,在仿真中评测并在真实机械臂上验证。在 Codex 框架下测试 GPT-6-Astra、GPT-6-Sol 和 GPT-6.1-Terra,总体攻击成功率为72.22%至94.29%,所有模型在所有类别上的拒绝率均为0%。

  9. 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。

  10. medRxiv

    胎儿超声早筛不再依赖海量标注:RadarMAE用雷达式掩码预训练,跨院指标下降不超过0.04

    早孕期唐氏筛查的超声图像分辨率低、结构差异大,而罕见异常病例稀少,使常规自监督预训练难以奏效。RadarMAE改用同心圆环与角度扇区交替遮挡的雷达式掩码,迫使网络学习颅面结构的连续曲率与细长形态,在内部队列上取得AUC 0.99、准确率0.97。配合域对抗适配,模型在四家外部医院仅用无标注图像校准,关键指标相对内部的下降被限制在0.04以内。