跳到主要内容
检索

East China Normal University

18 篇关联报道

订阅更新
  1. 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。

  2. arXiv

    GRPO安全对齐在难题上信号归零:Beacon补回安全方向,四个模型平均安全错误最多降32.83个百分点

    大型推理模型的安全对齐常用GRPO,但同一提示下采样的回答往往安全与否一致,组内相对优势随之消失,模型在持续不安全的提示上得不到指向安全的方向。Beacon把安全信号恢复与安全—效用解耦对齐合在一起:前者筛选高对比轨迹并在信号塌缩时直接监督安全参考回答,后者按提示类别给奖励并只对良性提示做KL锚定。在四个Qwen3与DeepSeek-R1-Distill变体、八个基准上,平均安全错误较初始策略降低17.69至32.83个百分点,XSTest过度拒答率为0.40%至1.20%。

  3. 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。

  4. aclanthology.org

    视觉语言模型的幻觉改从视觉编码器下手:三个LoRA专家各管一面,换模型不必重训

    大型视觉语言模型的幻觉部分源于CLIP式视觉编码器偏爱主体、忽略细节。PLANE在CLIP上挂三个LoRA视觉专家,分别学习物体、属性与关系三个方面的图文对应,再由一个按指令分配权重的门控网络在词元级别融合四路图像特征。它只在LLaVA-1.5 7B上训练一次,即可直接接入使用同一视觉编码器的其他模型;在LLaVA-1.5 7B上,MME幻觉子集总分由555.38升至582.34,GIFT幻觉率由23.39%降至20.30%。

  5. arXiv

    运动模糊不再按数据集各训一个模型:傅里叶卷积学习让一个网络跨相机跨场景去模糊

    一个统一运动去模糊网络把模糊当作卷积来学,在傅里叶空间做随输入变化的滤波,在GoPro上把PSNR从强基线EVSSM的33.26 dB提到34.02 dB,只多8G FLOPs。

  6. arXiv

    扩散语言模型并行解码掉点严重:RePara 用两词块强化训练,GSM8K 从 28.20 提到 68.54

    扩散语言模型每步并行提交多个词元时准确率会大幅下滑,RePara 用分组相对策略优化强化连续短词元块,在 LLaDA 上把 GSM8K 的 Diff#16 准确率从 JustGRPO 的 28.20 提到 68.54。

  7. researchsquare.com

    重症监护有了一个不用任务标签的生成式数字孪生:13个终点AUROC 0.83–0.98,20个预测器中排第一

    一个123.5M参数的生成式模型Didymos在五个国家七个重症数据库的409,297例住院上一次性训练,不使用任务标签,靠采样患者未来来回答预测问题。在留出数据上,它从模拟未来读出13个主要终点的AUROC为0.83–0.98,在20个预测器中平均排名第一,包括有标签训练的LightGBM与TabPFN-3.5。它模拟的治疗反应与九项观察对照中的八项一致,但在俄罗斯与中国两家未参与训练的医院,仍需用当地无标签住院做数分钟继续训练才能追平本地有监督模型。

  8. arXiv

    BayesJudge 将冲突的人类与 LLM 评判建模为后验分布,在 SummEval 上把专家预测准确率提升到 65.3%

    作者提出 BayesJudge,一个面向冲突人类-LLM 评判流的在线贝叶斯元评估层:它对每个比较输出后验裁决分布,同时估计每位人类评分者的混淆矩阵与 LLM 的呈现顺序偏差,并用开放式平局标签与 AB/BA 顺序互换作为协议级识别工具;合成实验恢复了预设评估者参数,在 SummEval 上检测到 LLM 位置效应、在无评分者元数据下区分专家与众包工作者行为特征,且后验不确定性与人类分歧相关。

  9. arXiv

    WebLoop 用执行反馈训练无执行 Critic,9B 模型在 WebRise 达 41.5、WebGen-Bench 达 38.9%

    WebLoop 把功能型网页生成中的生成、批评与修复三个角色放在同一策略下联合优化:Generator 与 Refiner 的输出由浏览器执行给出直接奖励,而 Critic 不接触执行结果,仅凭任务需求与源码做需求级判断,其训练信号来自需求级执行标签(判别力)与后续修复带来的执行提升(有用性),并采用先建立诊断、再引入后果感知信用的分阶段奖励。用 Qwen3.5-9B 时,WebLoop 在 WebRise 上 Overall 达 41.5、在 WebGen-Bench 上准确率达 38.9%,分别比基座模型提升 11.3 与 15.4 分。

  10. arXiv

    HarnessSecurity-Bench 实测六款编码智能体:开启自动批准使攻击成功率从 29.2% 升至 95.6%

    该研究构建了覆盖 40 个编码智能体 harness 的十类安全机制分类体系并评估 400 个 harness–机制单元(205 个确认实现、83 个确认缺失、112 个未决),随后提出 HarnessSecurity-Bench,用 23 个任务、五个攻击面和独立确定性判据在 GLM-5.2 下对六款 harness 运行 2,500 次试验,发现开启自动批准使攻击成功率从 29.2% 升至 95.6%,网络隔离与只读模式分别把攻击成功率从 57.1% 和 8.3% 降至 0.8% 但带来 24.5 和 34.0 个百分点的效用损失,而命令白名单与黑名单分别以小幅效用损失和效用提升降低攻击效果。