跳到主要内容
检索

Shandong University

14 篇关联报道

订阅更新
  1. 植物自发表观突变并非随机漂移:REED只读一段DNA,就能预测甲基化往哪走

    植物CG位点的胞嘧啶甲基化会自发得失,且速度远高于DNA点突变。此前单个位点的稳态只能从表观组本身估计,无法判断它写在DNA里还是由染色质携带。REED以NTv3为骨架,从10 kb序列预测每个胞嘧啶的甲基化,其预测值即该位点的设定点;在拟南芥系谱、水稻生殖系和330年杨树的实测自发突变中,得失方向与速率隐含的平衡都跟随这一设定点。

  2. arXiv

    智能体记忆不再只按相似度取用:同一段经历按任务角色重新编排,LoCoMo上判分提高4个百分点

    智能体记忆系统通常按与当前查询的相关性检索记忆,并把它们当作上下文证据;TrawMem把交互历史组织成局部线索,再按任务角色分配并联合选取互补记忆,构成面向任务的工作区。在LoCoMo与MemGallery上,以四个开源和闭源骨干模型测试,宏观F1相对代表性记忆系统提高2.23至3.14点;在LoCoMo上,Qwen3.5-9B与DeepSeek-V4-Flash的LLM-Judge分数分别比SimpleMem高4.07和4.31个百分点,同时上下文token分别少约12.8%和5.1%。

  3. 车辆离开后不必整体重训:单轮联邦模型可精确编辑,移动模拟中累计时间省36%–44%

    单轮联邦学习把训练压到一次通信,但模型训练完就固化,车辆加入或退出后只能整体重训。F-SOSA 按固定规模随机抽取客户端子集,使相邻设备集合下的输出分布在总变差距离上有界,再把曲率感知融合改写成按客户端可加的充分统计量投影,并据此给出撤回贡献的 F-SOSA-U 与纳入新贡献的 F-SOSA-I。在 SUMO 城市移动模拟中,两者精度与重训相当,累计时间与通信开销分别降低 36%–44% 和 22%–33%。

  4. researchsquare.com

    检索历史片段不再比对原始数值:先滤掉高频噪声、画成折线图,长程预测误差随之下降

    VRATF把检索增强预测的比对对象从原始时间序列换成去噪后的趋势折线图:先用FFT低通滤波提取低频趋势,渲染成224×224图像,再由冻结的CLIP ViT-B/32编码建库,按余弦相似度取Top-K并用高斯核加权聚合历史未来轨迹。检索预测与DLinear基预测经一个可学习标量在预测层融合。六个多变量基准上,VRATF在其中四个取得最低平均MSE,ETTh2平均MSE为0.340,较次优的RAFT(0.358)改善5.0%。

  5. arXiv

    LTBD 用四个可学习信任边界分隔符在四个开源模型上把 AlpacaFarm 注入成功率降到 0.00%

    作者提出 LTBD:在冻结大模型参数的前提下,只训练四个可学习分隔符嵌入,把它们分别放在可信指令与不可信外部数据的边界上,从而显式编码信任来源;在 Llama3-8B、Llama3.1-8B、Falcon3-7B、Qwen2.5-7B 四个指令微调模型上,AlpacaFarm 攻击成功率均为 0.00%,TaskTracker 为 0.11–0.19%,并在攻击者完全知晓防御的 Delimiter-Spoof 自适应攻击下保持接近不变。

  6. arXiv

    D-OPCD 把智能体提示经验蒸馏进扩散模型权重,直接生成均分从 60.52 升至 65.09

    作者提出扩散在线策略上下文蒸馏(D-OPCD),把智能体框架生成的提示当作教师独享的特权上下文,在学生的去噪轨迹上监督只接收原始查询的学生模型,从而把提示层面的框架收益写入扩散模型权重;配合自动技能演化器(ASE),四个基准上的直接生成均分从 60.52 提升到 65.09,且更新后的生成器在无技能框架下平均略高于原技能框架智能体。

  7. arXiv

    APEX 用跨技能链传递伪造的用户批准记录,在 SkillsBench 上以 74.2% 成功率诱导 LLM 智能体执行攻击者指定动作

    该工作提出 APEX,通过构造并迭代优化针对用户任务与攻击者选定动作的对抗性技能链,利用上游技能诱导智能体写下真实任务进度记录、下游技能借该记录携带虚假的用户批准声明,从而在 SkillsBench 的四个目标动作族与六个模型上共 690 次尝试中成功诱导 512 次(74.2%),GPT-5.4 上完整链成功率为 84.3%,而将工作流合并为单一技能时仅 17.4%;作者还评估了一种提示防御,使 GPT-5.4 的目标动作成功率从 84.3% 降至 59.1%,同时 72 个良性原生技能任务的验证器测试通过率从 86.7% 降至 56.3%。

  8. arXiv

    EngiWorld 用 1301 个真实工程任务测出:最强模型 EngiScore 仅 44.3,多软件协作成功率 3.6%

    研究者构建了 EngiWorld 基准,围绕完整工程设计闭环,在 CAD、CAE、CAM、BIM、EDA 与 3D 可视化 6 个领域、26 个专业软件平台上设置 1301 个专家策展任务,并用统一的领域验证器套件对最终与中间产物做几何有效性、物理可行性与规则合规检查;对 7 个前沿模型的评测显示最强模型 EngiScore 仅 44.3,多软件尝试成功率仅 3.6%。

  9. 综述指出:iPSC来源皮肤类器官虽能自组装出毛囊与皮脂腺,但尚无研究将其用于Franz扩散池或IVPT的标准化渗透参数测定

    这篇叙述性综述梳理了透皮给药系统(TDDS)评价体系从1975年前的方法学碎片化、Franz扩散池与IVPT标准化,到RHE、全厚皮肤模型、离体人皮肤及iPSC来源皮肤类器官(SkOs)的演进,指出SkOs可自组装形成分层表皮、真皮样结构、毛囊与皮脂腺并在约4–5个月培养后转录组接近妊娠中期胎儿皮肤,但作者检索未发现将Lee型hiPSC来源SkOs用作Franz扩散池或常规IVPT标准化屏障模型、系统测定累积渗透量、稳态通量、渗透系数或皮肤滞留量的明确研究,因此提出SkOs目前应视为前沿候选模型而非成熟标准平台,并讨论AI、计算机视觉、PBPK与数字孪生可能辅助其质量控制与渗透预测。

  10. arXiv

    TSegAgent 用 SAM3 加几何推理实现零样本牙齿分割与 FDI 识别,在 Teeth3DS 上 mIoU 93.37、TIR=1 达 87.17%,并在私有数据集上保持泛化

    该工作提出 TSegAgent,把口内扫描三维模型的牙齿实例分割与 FDI 编号重构成零样本几何推理问题:先用多视角渲染(含曲率热图)配合 SAM3 文本提示“tooth”生成候选掩膜,再按 IoU 与包含关系合并为面级实例标签,随后由几何感知的视觉语言智能体经多轮对话完成非牙齿区域识别、中切牙定位、全牙弓分类与错误纠正;在含 1200 个三维牙齿模型的 Teeth3DS 上取得 mIoU 93.37、TLA 96.40、TSA 96.76、TIR 97.46、TIR=1 87.17,在来自合作诊所的 340 个更具缺陷与伪影的私有测试模型上取得 mIoU 82.10、TLA 96.68、TSA 95.99、TIR 85.41、TIR=1 5