跳到主要内容
检索

University of Florida

10 篇关联报道

订阅更新
  1. arXiv

    连接组约束的果蝇视觉模型被系统压力测试:机制结论随干预与训练解而变

    对果蝇视觉模型flyvis的50个训练解做系统压力测试后发现,连接组约束并不让机制结论唯一:反向phi错觉在任务匹配的因果CNN中同样出现,归因效应量只在与其干预语义匹配时才与穷举单连接真值一致,而满足T4/T5调谐判据的细胞类型解在50个模型中只有25个成立。这些结果把连接组约束的价值定位为让机制假设可直接干预检验,而不是给出唯一机制。

  2. arXiv

    OMatGRPO 直接强化晶体生成器的离散组分通道,将 mSUN 从 13.4% 提升到 45.5%,并揭示单元素重排可虚增基准

    该工作用组相对策略优化(GRPO)直接强化晶体生成器 OMatG 的离散原子类型通道,其闭式似然比使元素选择成为策略动作,配合含稳定性、新颖性与多样性并带稀疏凸包和单元素防护的奖励,在 LeMat-GenBench 上把亚稳、独特且新颖结构(mSUN)的产率从预训练模型的 13.4% 提升到 45.5%,同时记录策略对早期奖励的利用,并指出单元素重排会被现有 mSUN 实现计为发现。

  3. arXiv

    Latent-MOPD 让学生模型同时吸收多位专家的预测与隐藏状态,在数学、代码与逻辑九个基准上全面超过单通道基线

    该工作提出 Latent-MOPD,一种面向大语言模型的多教师在线策略蒸馏方法,首次在表示层面整合多位专家:它按师生关系选择后层隐藏状态目标、用共享投影对齐不同隐藏宽度、按领域分组更新,并让每个教师的监督从隐藏状态逐渐转向词元预测;在同族设置下,它在数学、代码与逻辑的九个基准上均优于仅词元、仅表示与均匀平均基线,且在同参数量下于多数基准上超过各基准最佳教师;在跨族大教师设置下,它在所有基准上优于两种单通道基线。

  4. 发表出处待核验

    跨七个精神病学研究领域综述显示:大数据带来机制洞见与跨学科协作,但样本量本身并不保证更精确的估计,临床转化仍存差距

    这篇综述横跨社区与登记调查、队列与生物样本库、电子健康记录、数字表型、脑影像、基因组学及其他组学、随机对照试验七个领域,梳理大数据在精神病学中的进展、约束与未来方向,指出大数据推动了跨学科研究并揭示了精神障碍机制的复杂性、异质性与变异性,但样本量大并不保证估计更精确,从大数据到临床应用的转化仍存在差距,未来需在数据质量与方法严谨性、概念模型与临床问题上同等用力。

  5. arXiv

    Forecast-Dojo 用 1568 个 Polymarket 事件与 1880 万篇带日期新闻构建可重放预测环境,12 个模型加研究工具后 Brier 分数全部下降但仍不及市场预测

    作者提出 Forecast-Dojo,一个把已结算的预测市场问题与带日期新闻结合的可重放环境,让 LLM 预测智能体在连续历史日期上研究事件并反复修正预测;该环境包含 1568 个 Polymarket 事件(按时间划分为训练期与评估期)和 1880 万篇带日期新闻文章,在 12 个模型的评估中研究工具使全部 12 个模型的 Brier 分数下降,预测随事件展开而改善且新增带日期证据更多的步骤增益最大,但每个模型在 Brier 分数和准确率上仍落后于历史市场预测,跨日期携带的信念笔记本降低了研究成本却未稳定提升预测质量,此外该环境还提供交互轨迹与结果反馈用于智能体学习,并以监督微调作为概念验证。

  6. Bhattacharya、Deb 与 Mukherjee 把多线性 Gibbs 测度的自由能极限写成无穷维优化问题,并给出复制对称的充分条件与反例

    本文研究哈密顿量为广义 U-统计量、基测度任意的多线性 Gibbs 测度,在耦合矩阵按割范数收敛的条件下,把自由能极限表示为函数空间上的无穷维优化问题,给出复制对称(优化子为常函数)的充分条件并用反例说明其必要性,进而得到局部场、哈密顿量与全局磁化等统计量的弱极限、对比量的普适弱定律 n-1Σc_iX_i→0(当 Σc_i=o(n))、局部与全局磁化的指数集中界,以及高阶相互作用下温度参数的相变点存在性。

  7. medRxiv

    急诊医学人工智能能力框架:一项多阶段共识研究

    该研究通过名义群体技术(2025年5月,n=6)与两轮改良德尔菲法(2026年4月至5月,专家组n=13,来自12家学术医学中心,第一轮应答率77%、第二轮100%)构建了美国首个专科特异性的急诊医学AI能力框架,最终形成5个主题(沟通AI、理解适用场景、与AI互动、AI风险管理、AI的认知影响)、5项派生能力(主题与能力一对一映射获13人中12人认可)、19个子主题和10个保留临床场景,所有主题、派生能力及被单独评分的子主题均达到预设共识阈值,10个场景中9个达到共识、1个作为未来态运行模型保留。

  8. 用AI聊天机器人生成人工耳蜗保险申诉信:准确性与引用可靠性评估

    本研究让ChatGPT针对非对称性听力损失或单侧耳聋的人工耳蜗保险拒赔情形,以零样本方式生成30种提示变体的申诉信,由三位人工耳蜗提供者按美国人工耳蜗联盟指南评分,并核查引用准确性,结果显示96.6%的回答列出人工耳蜗的多项获益、79.3%部分符合指南,但51.7%含虚构获益,96条引用中仅6条(6.3%)准确指向同行评审来源,其余为虚构(57.3%)、错误(24%)或无关(10%),提示临床与倡导使用前需人工核实。

  9. 人工智能辅助放射报告分析:偶发甲状腺发现的流行病学与结局

    该研究开发并部署了一套基于Transformer的自然语言处理流程,从2017年7月1日至2023年9月30日梅奥诊所各院区115683名无既往甲状腺疾病成人的甲状腺相关影像报告中识别偶发甲状腺发现,发现7.8%的患者存在此类发现(其中92.9%为结节性),且这些发现与后续甲状腺结节诊断、活检、甲状腺切除及甲状腺癌诊断的更高比值比相关,多数癌症为乳头状癌。

  10. 教育领域系统综述中的AI辅助数据提取:LLM准确性实证与人在回路工具AIDE

    该研究通过一项先导研究和一项主研究,用Claude 2.1、ChatPDF、GPT-4以及Gemini 1.5 Flash、Gemini 1.5 Pro、Mistral Large 2等LLM,从教育领域已发表综述的112项研究中提取显性变量与派生变量并与人工编码对比,发现LLM在提取显性数据时一致性较高但在按预设类别归类时明显下降、Cohen's Kappa普遍偏低,据此提出并开发了强制逐条人工验证的开源人在回路(HIL)数据提取工具AIDE。

已读完全部报道