跳到主要内容
检索

Texas A&M University

18 篇关联报道

订阅更新
  1. bioRxiv

    蛋白质语言模型引导不再取全局均值:PULSE按相似背景配对,毒性预测分数提升最大

    蛋白质语言模型可以在不改权重的情况下被引导生成特定性质的序列,但既有激活引导把性质阳性与阴性蛋白的全局均值之差当作引导方向,忽略了这一方向会随序列背景变化。PULSE改为先按表示相似度把阳性与阴性蛋白配对,再聚合相似度加权、单位归一化的配对差来构造引导向量。在溶解度、免疫原性和毒性三个优化目标上,PULSE的最终预测性质分数与优化成功率都高于全局质心引导,其中毒性分数提升最大、免疫原性成功率提升最大。

  2. arXiv

    世界模型测试时适应不再只拟合预测:OpTTA加入乐观规划项,15个偏移设置中14个最终成功率高于AdaJEPA

    预训练潜世界模型在测试时通常保持冻结,分布偏移会让基于它的规划变差;只按预测损失在线更新,模型只拟合自己已执行动作的结果,对能到达目标的动作仍可能判断错误。OpTTA在预测损失之外加入规划器对候选想象轨迹的目标到达代价,让适应偏向“乐观”的模型参数。在三个JEPA世界模型、15个视觉与环境偏移设置上,只适应预测器时OpTTA相对冻结模型的最终成功率平均提高13.5个百分点,预测-only的AdaJEPA为6.9个百分点;同时适应编码器时为13.5对7.5个百分点。

  3. bioRxiv

    CARTnet把已知表位当模板:内部测试AUPRC从0.225升到0.403,外部测试也领先

    B细胞表位预测长期受限于实验标注数据稀少,CARTnet把序列、结构、理化特征与可选模板表位一起送入带接触偏置的注意力网络。在61个靶点的内部测试集上,其无模板版本AUPRC为0.243,高于DiscoTope-3的0.220;在52个靶点的外部测试集上为0.267,高于BepiPred-3的0.215。模板引导版本在内部测试集只给一个表位残基,AUPRC即从0.225升至0.403,但增益随模板增多而趋于饱和。

  4. arXiv

    攻防不再各打各的:CyberArena让智能体同场互攻互守,12个前沿模型分出高下

    CyberArena把网络安全评测从静态靶标改成多轮攻防对抗:两个智能体在隔离沙箱里同时攻击对方服务并修补自己的服务,目标每轮轮换。在40个挑战、466局比赛中,12个前沿模型里GPT-5.6 Sol与Claude Opus 5领先,而三个模型单独都能解出的30个挑战进入对抗后,第三轮捕获率分别降到52%、37%和35%。

  5. arXiv

    野火预测改按12小时算:FireGraphNet用有向图把火线前沿排序提到距离规则的1.7–1.9倍

    野火决策以小时计,而已有的学习型蔓延模型多在日尺度上预测,目标里还包含已经烧过的区域。FireGraphNet把未来约12小时的蔓延改写为有向H3六边形图上的节点分类:候选格是火线前沿外5环内的未燃格,边携带风向对齐、地形高差、燃料连续性和障碍物信息,图神经网络沿边传递消息。在5场加州封存测试火上,五个变体的平均精度是最强距离基线的1.7–1.9倍;在5场州外火上,GINE变体对距离基线保持1.62倍。

  6. bioRxiv

    舌部运动网络不再用固定靶点:个体化AI神经调控把目标状态占比从82%提到97%

    个体化AI驱动的fMRI神经调控平台iNM不再对所有人使用同一套固定脑区靶点,而是从每位参与者自身的解剖与功能数据中构建“神经功能孪生”,在2秒时间分辨率下闭环强化舌部运动感觉网络。在健康参与者中,无监督隐马尔可夫模型显示目标状态占比由对照的82%升至97%,吞咽相关干扰状态由18%降至3%,运动、感觉与注意网络间连接增强53%至74%,且效应延续到停止调控后的时段。

  7. bioRxiv

    SVC把每个基因的胞内分布当成图像块:用同一细胞的其他基因作上下文,预测未测转录本的亚细胞位置

    亚细胞分辨率空间转录组能测到转录本在细胞内的位置,但此前的方法多针对单一分析任务,缺少在细胞类型与组织环境中统一刻画并预测基因胞内定位的框架。SVC 把每个基因在细胞内的空间表达当作一张图像块,用同一细胞的其他基因作为上下文,以自监督掩码方式学习跨基因的空间依赖。在 seqFISH+ 小鼠胚胎成纤维细胞数据上,SVC 对未测基因的亚细胞模式预测在六项指标上均优于四个图像基线,相对更具挑战性的基线组中位提升为 5.2%–21.0%。

  8. arXiv

    机器人拆解不再只靠示范:PACER把自主回放与人工纠正变成训练权重,主板取件成功率87/100

    电子废弃物拆解中,视觉-语言-动作(VLA)策略的示范数据稀缺,仅靠监督微调难以覆盖部署时遇到的状态偏移。PACER把机器人自主回放、操作员纠正和补充干净示范统一成带过程角色的动作块行,按朝目标推进的程度和轨迹来源给每行赋权,仍沿用原有的监督动作损失。在UR5e主板拆解五个部件的留出硬件测试中,选出的策略完成87/100次接近与交接试验,均匀加权的后监督微调为54/100,固定几何加权为79/100。

  9. arXiv

    结构化知识检索不再依赖预设规则:路由智能体与检索器交替训练,规则由检索效果反过来挑选

    结构化知识检索不再需要预先写好的查询—规则配对:路由智能体为每条查询挑一条推理规则,对应检索器按该规则约束排序证据,两者交替训练、互相提供监督。

  10. arXiv

    机器人奖励不再被灯光和机位带偏:把任务相关动态从视频里拆出来,MetaWorld成功率94.3%

    DiTaR把视频奖励建在任务相关潜动态上,MetaWorld-v3最终成功率94.3%,高于最强视频奖励基线ReWiND的65.2%,并在真实机器人离线强化学习中把成功率从43.3%提到83.3%。