跳到主要内容
检索

Technische Universität Berlin

8 篇关联报道

订阅更新
  1. 扩散语言模型学会数字符:不微调也能把摘要卡在目标长度,误差降到3.1字符以内

    面向标题、预览等必须卡准字符数的摘要场景,Delta 在掩码扩散语言模型的去噪循环里估计当前输出的期望字符长度,并动态增删掩码位置把生成引向目标长度。它不需要微调,直接用于现成的 LLaDA 与 Dream。在 XSum、CNN/DailyMail、arXiv 三个摘要基准上,字符长度误差比各基线低一个数量级,同时自动与人工评价下的摘要质量保持可比。

  2. arXiv

    SO3LR Tauri 把力场扩到85种元素:一套权重同时跑蛋白、核酸、膜与含铂DNA

    SO3LR Tauri 把此前覆盖8种元素、400万结构的 SO3LR 力场扩展到85种元素、约1.48亿结构,并改写了短程排斥、静电与色散三个物理模块。它保留快速的 SO3krates 消息传递主干,在耦合簇参考上复现核碱基配对、蛋白–配体相互作用与糖构象排序,并在无体系专属拟合的动力学中给出水与有机溶剂密度、离子水合和多种生物分子结构。模型分 S/M/L 三档发布,单张 GPU 上可扩展到百万原子量级。

  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. arXiv

    量子生成模型外包给远程服务器:采样协议不只给通过或中止,还能估出被污染样本比例

    把量子生成模型的推理阶段外包给远程量子服务器时,客户端现在可以在不暴露输入、线路和输出的前提下验证采样结果。此前的可验证盲采样依赖计算假设,而这一协议沿用通用盲量子计算与陷阱线路,把验证开销分摊到多轮,并在接受或中止之外给出被污染样本比例的估计。数值模拟在4量子比特IQP玻恩机的Bars&Stripes基准上运行,陷阱检测次数与错误样本数相关。

  5. arXiv

    MAPE-K双AI框架让四足机器人用自然语言意图生成可执行代码,有限任务稳健而开放式穷举搜索仍受认知限制

    该工作提出一个受MAPE-K启发的双AI架构,由LLM把高层自然语言意图翻译成受机器人函数库约束的可执行Python代码,VLM通过蒸馏提供开放式语义接地,并以几何与语义阈值触发重规划;在Gazebo四足机器人探索任务上对三个前沿模型基准测试,有限任务成功率高,开放式穷举任务成功率下降,失败集中在语义接地、完整性判断与终止控制而非底层动作执行。

  6. bioRxiv

    ModelSEED 生物化学数据库 2026 更新:多源热力学数据的证据分级

    该更新将 ModelSEED 生物化学数据库扩展至约 46,000 个化合物、约 56,000 个反应和约 37,000 个代谢结构,把热力学数据从两个来源扩展到四个来源(基团贡献法、eQuilibrator 3.0、dGPredictor 与实验值)并各自保留其不确定度,对约 33,000 个反应按证据强度给出金、银、铜三级评分,同时发布由大语言模型集成给出的反应方向预测,并用新的冲突消解流程记录结构来源间的取舍。

  7. medRxiv

    多模态匿名化器:用于医疗数据去标识化的全本地多智能体AI系统

    该研究开发并评估了Multimodal Anonymizer——一个模块化、可本地部署的多智能体框架,整合多模态大语言模型、任务专用神经网络与规则化转换,在涵盖文本、表格、PDF、影像、元数据、文件名、音频、手写与3D影像的基准上,最佳本地配置(编排器为Qwen3-VL-235B-A22B-Thinking)取得每患者98.80%(95%-CI 97.20; 100)的去标识化敏感度与99.60%(95%-CI 98.80; 100)的关键临床内容保留率,在Charité本地250份产程图数据上敏感度与关键临床保留率均为100%,并在多数模态上优于既有工具。

  8. arXiv

    在最短路径总长之下路由多智能体:Transient Multiagent Pathfinding 的参数化复杂度刻画

    该工作研究 Transient Multiagent Pathfinding(智能体到达终点后立即消失的无碰撞多智能体路径规划),以顺序路由给出的上界 L=1+Σdist(si,ti) 与目标完工时间 λ 之间的差距 ζ=L−λ 及智能体数 k 为参数,证明该问题在 k+ζ 下固定参数可解(2O(k²ζ)·nO(1)),并给出 k 单独参数化 W[1]-难、ζ 单独参数化在终点可重复时 W[1]-难、k+ζ 下不存在多项式核的下界,同时证明当所有终点互不相同时问题仅以 ζ 为参数也是固定参数可解(2O(ζ³)·nO(1))。

已读完全部报道