跳到主要内容
检索

Shanghai Innovation Institute

26 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

    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。

  3. arXiv

    振动光谱预测不再逐点算DFT:HARMONY以谐波谱为锚,单分子2.12秒给出实验红外与拉曼谱

    从分子结构直接预测实验振动光谱长期受困于理论计算与实测之间的差距:量子化学算得准但慢,端到端神经网络快却绕开了振动信息。HARMONY把等变神经网络直接预测的力与光谱张量组装成谐波谱,再用HarmoNet结合分子拓扑与测量元数据把它映射为实验红外和拉曼谱。在HarmoSpec测试集上,完整流程对红外和拉曼的平均余弦相似度分别为0.912和0.907,单分子平均耗时2.12秒,约为所评估DFT流程的600倍加速。

  4. arXiv

    SWAM把视频先验接到机器人动作上:随机场景成功率61.56%,超过OpenWAM 12.86个百分点

    上海交通大学等机构构建约4.7万小时多源数据池,把预训练视频模型的语言—视频先验延伸到语言—视频—动作学习,形成世界动作模型SWAM。在RoboTwin 2.0的50个操作任务上,SWAM在随机化Hard设置下成功率为61.56%,比最强基线OpenWAM高12.86个百分点;在干净Easy设置下为88.10%,略低于OpenWAM的89.30%。真实双臂平台上,三个任务平均Hard成功率40.00%,OpenWAM为23.33%。

  5. 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%。

  6. arXiv

    香港大学等发布Compass 1导航基础模型:单目RGB视频训练,开放世界成功率79.4%对17.8%

    香港大学、上海创智学院、Archon Robotics等机构发布具身导航基础模型Compass 1,只用单目RGB视频训练,在统一的理解与生成骨干上加入稀疏关键帧和一张显式的历史表示地图,使智能体能回溯近两分钟的视觉历史。在办公室、露台、复杂户外和行人密集街道四类场景、八项任务的零样本实机评测中,Compass 1总体成功率为79.4%,最强基线AwareVLN为17.8%;持续历史回溯任务上基线为0%,Compass 1为58%。

  7. arXiv

    递归自我改进不止于后训练:801-30B-A3B从零预训练三个月,基础模型评测排第二

    递归自我改进此前只在后训练上跑通,因为那里每次试验只花GPU小时、还能拿到可验证分数;前沿预训练一次就要数十万GPU小时、无法重跑,目标也不是单一分数。上海创智学院与Xinxu AI的新团队把预训练拆成可闭合的小回路,用智能体做调试、用tiny-SFT等指标估计后训练余量、把数据流程改成可量化任务,三个月从零训练出30B-A3B的801基础模型。在13项基础评测上它平均73.13分,仅次于更大的Qwen3.5-35B-A3B的76.67分。

  8. arXiv

    冻结模型不改参数也能进步:TextualRL把同题多次尝试写成上下文补丁,六个基准平均最高提升24.4个百分点

    TextualRL把同一任务、同一上下文下的多次执行作为一个整体来批评,而不是只看单条轨迹,再把评审后的文本补丁写回共享上下文,模型参数始终冻结。在五个目标模型、六个基准上,它取得每个目标的六基准平均最高分,相对无技能基线提升11.4至24.4个百分点,相对最强基线SkillOpt提升0.9至3.2个百分点。

  9. arXiv

    智能体自己改模型也改脚手架:RSI-Env让被接受的版本接手下一轮,无基准反馈也能涨分

    RSI-Env把模型训练与脚手架修改放进同一个可持久化的沙箱,由独立的Host Controller负责服务、校验、版本与能力评测,Self模式下被接受的模型–脚手架版本接手下一轮改进。以Qwen3.8-27B配最小脚手架起步,无基准反馈的Open-General Self把GPQA Diamond准确率从65.2%提到73.2%、AIME 2026从53.3%提到56.7%;Knowledge Self让SimpleQA从82.0%升到85.0%再到88.0%,但同一批运行在其他基准上出现回落。

  10. aclanthology.org

    智能体规划航天任务有了统一考场:五个系统35个用例,几何与星座设计仍是短板

    AstroAgentBench把航天任务规划变成可执行、可外部核验的智能体评测:七个任务族共116个用例,主评测取每族5个、共35个留出用例,智能体须提交排程、观测或星座设计文件,由独立校验器检查格式、时序、几何、资源与任务价值。五个智能体系统中,Codex CLI + GPT-5.4与Kimi CLI + Kimi K2.6在全部35个用例上通过有效性检查,最强系统在若干任务族接近或超过求解器参考分数,但在区域覆盖与立体成像等几何、产品级和设计密集型任务上仍明显落后。