跳到主要内容
检索

Institut national de recherche en sciences et technologies du numérique

4 篇关联报道

订阅更新
  1. arXiv

    离散扩散模型不再按词表规模付代价:稀疏数据下掩码与均匀加噪同达极小极大最优

    离散扩散模型此前缺少像连续扩散那样的统计理论,尤其不清楚它能否利用数据分布的稀疏结构。该分析把掩码扩散的分数估计写成按上下文做标签平滑的分类器,并证明这种平滑等价于用均匀分布分数损失做正则。在至多k个序列有正概率的稀疏分布类上,掩码与均匀两种加噪过程的终端分布都达到稀疏极小极大速率,且平滑强度可由训练中出现的不同序列数自适应选取,无需知道稀疏参数。

  2. arXiv

    核方法求解器不再被预条件子内存卡住:分块草图让模型参数扩到千万级,精度还更高

    核岭回归的预条件子内存不再随模型参数增长,Bloks 把参数规模推到千万级,在 Higgs 等大规模基准上取得与当前方法相当或更好的精度。

  3. Machine Learning Earth

    ArchesClimate-SSP 用能量分数损失训练生成式气候模拟器,在未见的 SSP5-3.4 上取得 0.9739 K 陆地温度 RMSE,优于 MESMER-M 的 1.0963 K

    该研究提出 ArchesClimate-SSP(AC-SSP),在 ArchesWeather 架构上以能量分数损失加变差函数损失训练,并以强迫浓度(CO2、CH4、N2O、六种气溶胶、臭氧)为条件,用 IPSL-CM6A-LR 的 2015-2100 年月度数据训练后自回归生成未在训练中出现的 SSP 情景;在留出的 SSP5-3.4 超调情景上,其 2090-2100 年陆地表面温度 RMSE 为 0.9739 K,低于统计模拟器 MESMER-M 的 1.0963 K,且年际变率 0.6050 比 MESMER-M 的 0.6375 更接近 IPSL 目标 0.5166。

  4. npj Digital Medicine

    用LLM配对比较审计急诊分诊中的性别差异

    该研究提出一种领域无关的配对比较方法,先微调大语言模型复现急诊分诊记录中的决策,再对仅翻转性别、其余临床内容保持不变的配对样本进行预测比较,在法国波尔多大学医院逾14万例就诊记录中发现女性版本比男性版本更易获得较低严重度(较不紧急)的预测分诊等级,合并每对差异率约1.1%(95% CI 0.9–1.3),并在MIMIC-IV上复现出方向一致但更大的约2.2%(1.7–2.7)差异,同时通过性别中性化重训模型使性别间预测差距消失,表明该不对称由显式性别标记介导。

已读完全部报道