跳到主要内容
检索

Université Paris-Saclay

12 篇关联报道

订阅更新
  1. bioRxiv

    CellScribe把细胞身份与状态合进一个生成接口:在309类留出研究上宏F1达0.223,超过冻结嵌入探针

    单细胞注释长期把细胞身份(谱系)与状态(活跃转录程序)分开处理,固定输出头的分类器也只能给出预设类型。CellScribe用AdaLN适配器把冻结的单细胞基础模型嵌入接入预训练语言模型,让同一个模型按提示生成本体标注的细胞类型或带活性分数的元程序谱。在CELLxGENE的309类、444万细胞留出研究划分上,完整流程的宏F1为0.223、加权F1为0.484,均高于冻结scFoundation嵌入探针的0.194和0.366;在3CA留出研究的恶性细胞上,标志准确率为0.344,探针为0.227。

  2. H&E切片不必再做空间转录组:ALHENA用细胞与邻域相似度蒸馏,患者级特征相关性达0.341

    ALHENA把空间转录组的信息蒸馏进常规H&E编码器,推理时只读图像。它不回归单个基因,而是让H&E表示去匹配两个冻结转录组模型在细胞和邻域尺度上给出的样本间相似度结构。在TCGA的110个癌种与特征组合上,平均Spearman相关为0.341,高于未适配UNI2-h的0.161;在Thunder病理基准上中位变化为−0.004。

  3. arXiv

    突触自己记住两个时刻:平衡传播的对比更新搬进器件内部,MNIST误差与标准实现持平

    平衡传播(EqProp)的突触更新需要比较自由相与微扰相两个时刻的局部量,通常要靠额外存储或复制一份网络来保留先前的值。这里把这一时间比较交给突触自身的双时间尺度动力学:一个易失状态在弛豫中趋向突触前后活动的乘积,一个非易失状态保存学习参数,易失状态的变化经全局门控写入非易失状态。在MNIST单隐层网络上,相位式与连续式两种写法分别达到2.01%与2.24%的测试误差,与标准EqProp的2.00%和2.28%相差在一个标准差以内。

  4. arXiv

    肿瘤胸腹盆CT有了专用基础模型:在目标人群上,AUC从0.695升到0.767

    面向肿瘤患者胸腹盆CT的视觉语言基础模型CAPTOR在25,512对CT与报告上完成预训练,并在目标场景中超过现有CT基础模型。在胸腹盆全覆盖子集上,其疾病分类AUC为0.767,高于次优模型的0.695;在肿瘤子集上为0.784,高于0.734。该模型把整段胸腹盆检查按器官分区裁剪后编码,但只做检查级判断,不定位病灶。

  5. 谢林隔离模型里换上一个LLM智能体:组织演化轨迹没变,运行时间从2秒涨到8917秒

    在Mesa实现的谢林隔离模型中,把一名智能体判断邻居是否同类的符号规则换成由本地Qwen3.5模型通过工具调用完成的语言判断,其余动力学保持不变。用MultiVeStA做统计模型检验后,两种模型在60步内“满意智能体比例”的期望轨迹从约0.65升到约1.0,逐点t检验未显示差异;但LLM版本耗时8917秒,原版约2秒。0.8b与2b模型在单元式检查中出现语义错误、工具调用数目错误或生成卡死,4b与9b通过全部检查。

  6. arXiv

    语音大模型能听出年龄性别,却分不清何时该用:显式标签让个性化变好,刻板选择也变多

    八个语音大模型在年龄与性别上大多能听出说话人属性,但把这种感知变成被要求的个性化很难,而一旦把人口标签直接写进提示,个性化提升的同时刻板选择也明显增加。

  7. arXiv

    录音想变多大声就变多大声:连续声压级控制,WavLM特征空间做到目标变化的83%

    语音强度转换不再只靠参考录音或几个离散档位,而是直接给定一个以dB SPL为单位的连续目标声压级。转换器在冻结编码器/解码器的特征空间里工作,用条件循环一致GAN训练,不需要平行数据。在WavLM第六层特征上,转换实现了目标强度变化的83%,感知实验也显示听者感知到的响度随目标级升高。

  8. arXiv

    低精度 Transformer 推理中随机舍入与就近舍入的站点级权衡:MLP 用 SR、注意力头用 RN 可将困惑度压至全精度参考的 1.10 倍

    该工作将 PRISM 向量化舍入库扩展为可变精度随机舍入(VPSR),在固定数值格式、仅改变各运算位点舍入规则的条件下对 DistilGPT-2 做仿真,并用线性投影前向误差界与 softmax 交叉熵的二阶分解解释位点差异:在 6 位有效位下 MLP 用 SR 的困惑度为全精度参考的 1.15 倍而 RN 为 2.21 倍,语言模型头处顺序反转,混合配置(MLP 输出 6 位、MLP 用 SR、头用 RN)把困惑度带到 1.10 倍,较同位宽 RN 降低 28%。

  9. arXiv

    把EEG掩码几何当作唯一变量:58个预训练模型显示中等空间半径加短时窗最优,并暴露JEPA特有的偏置膨胀坍缩

    该研究把EEG自监督预训练中的掩码策略统一为空间半径、时间长度与掩码比例三参数框架,在固定REVE-Small骨干与同一预训练语料下用MAE和JEPA两种框架各训练一组模型(共58个),在OpenEEGBench的12个数据集上用线性探针评估,发现两种框架一致的最优掩码为中等空间半径配短时间块,并识别出JEPA在“全通道”掩码下特有的偏置膨胀坍缩失效模式。

  10. arXiv

    IMaX 用 Tsallis α-熵替换互信息中的边际熵项,在长尾半监督域泛化下把 ESCA 与视网膜数据集准确率最高提升 7.3 个百分点

    该工作指出 FBCSA 与 DGWM 等半监督域泛化方法在长尾类别分布下性能显著下降,提出 IMaX:在带标签样本监督约束下最大化特征与潜在标签的互信息,并用 Tsallis α-熵替代标准边际熵项以放宽类别均衡假设;在 ESCA 组织病理与视网膜糖网分级两个模态、三种 SSL 框架与三种 SSDG 方法上,IMaX 在除一个设置外的所有设置中提升准确率,低标注情形(mL=5)最高提升 7.3 个百分点。