因果引导的可解释机器学习显示,地下水对美国本土森林光合作用的空间影响可达干旱度的48%至101%
该研究利用太阳诱导荧光的卫星观测,结合地下水位深度与干旱度的模型估计,并采用因果引导的可解释机器学习,量化地下水与气候干旱度对美国本土光合作用空间格局的相对作用,发现地下水对森林光合作用的相对重要性相当于干旱度效应的48%至101%,在稀树草原与灌丛为30%至58%、草地为22%至42%、农田为15%至32%。
该研究利用太阳诱导荧光的卫星观测,结合地下水位深度与干旱度的模型估计,并采用因果引导的可解释机器学习,量化地下水与气候干旱度对美国本土光合作用空间格局的相对作用,发现地下水对森林光合作用的相对重要性相当于干旱度效应的48%至101%,在稀树草原与灌丛为30%至58%、草地为22%至42%、农田为15%至32%。
这篇评论梳理了近期已发表的睡眠基础模型,比较其训练队列、评估框架与报告性能,并在一组独立的1型发作性睡病患者(n=51)与健康对照(n=28)队列上以不微调方式测试了一个现有睡眠基础模型,发现零样本睡眠分期表现一般且低于同队列的监督方法,脑电睡眠图(PSG)嵌入在人口学基线之上对疾病分类的增益很小,据此认为睡眠基础模型尚不适合临床部署。
该工作提出,皮层-丘脑回路适合实现多头自注意力与交叉注意力:第2/3层锥体细胞维持循环的键-值记忆,第5层锥体细胞解码由传入查询检索到的记忆,键、值和查询的计算映射到核心与矩阵丘脑-皮层投射并分布于皮层区的微柱与宏柱,一个皮层区构成一个注意力头、皮层构成多头自注意力网络,同一丘脑-皮层微回路还计算引导梯度式突触可塑性的感觉预测误差,而奖赏预测误差经基底神经节门控皮层输出与海马记忆的再激活,训练后的网络与人类言语感知的颅内记录相符。
该研究在量化Qwen混合循环–注意力模型上实现了一种免训练的增量记忆维护运行时:删除被取代记录的注意力KV、在真实序列尾部计算替换记录、并保留延续的循环状态与未改动KV,实验显示独立分块组合会削弱查询条件下的记忆选择,真实尾部更新在八轮脚本化维护中保留了关键的当前状态与历史绑定,而保持原槽位的替代方案会重复一次重复扣减错误,且注意力分布接近程度并不能解释这些语义差异。
已读完全部报道