跳到主要内容
检索

Seoul National University

33 篇关联报道

订阅更新
  1. arXiv

    逆渲染不再靠正则项塞先验:把材质变量搬进先验格点,重光照PSNR高出1.5–2.5 dB

    物理逆渲染要从照片里拆出材质与光照,两者组合多解,学到的材质预测常被当作额外正则项加进目标函数,却要重新平衡权重。这里改为用预测特征关系限制优化空间:把多视角材质预测融合到网格上,在先验特征空间建置换多面体格点,让预测相近的表面点共享材质变量,目标函数保持纯光度拟合。在Synthetic4Relight与TensoIR-Synthetic上,两种预测器配置的重光照PSNR比最强的网格类基线高1.5–2.5 dB,并在受控对比中优于使用同一先验的正则损失。

  2. arXiv

    全双工语音模型聊到十分钟就崩:自蒸馏加双分辨率上下文,把语音内容与音色退化压低71–96%

    全双工语音对话模型在长会话中会出现响应变慢、内容失序和音色漂移,此前缺少针对这一稳定性的专门训练与结构设计。研究用闭环模拟用户逐分钟量化四款公开模型的退化,再以特权上下文自蒸馏做轻量LoRA适配,并叠加双分辨率上下文(TRC)压缩较早历史。在三种架构不同的模型上,自蒸馏在十分钟训练时长内缓解退化,加入TRC后语音内容与音色退化相对基线降低71–96%,并把改善延续到二十分钟会话。

  3. arXiv

    扩散模型把时间结构写进加噪过程:DSSD在气象与机器人视频上降低预测误差

    时空预测的扩散模型通常给每个未来帧加独立噪声,把时间相关性全部交给去噪网络学习。DSSD改为用可学习的对角状态空间模型构造加噪过程本身的时间算子,其衰减率与频率与去噪器联合训练,并用该模型平稳协方差的Cholesky因子保证算子因果、可逆且每帧噪声方差不变。在SEVIR、Turbulence、BAIR、RoboNet四个数据集上,它与共享同一去噪器的扩散基线比较取得更低的概率预测误差,其中SEVIR原始CRPS为3.975、最强基线DPM为4.174。

  4. arXiv

    JSSA把token级稀疏解码做成免gather:128K上下文下吞吐最高达到全量KV注意力

    长上下文解码的瓶颈在反复读取不断增长的KV缓存,稀疏注意力只取其中一部分位置,但token级选择一直难以同时保住精度和延迟。JSSA用共享的查询—键低维子空间给候选token打分,并配一个免gather的索引注意力内核,让每个KV头保留各自选中的token集合。在GQA、混合滑窗/全局注意力和MLA模型上,它离全量KV精度最近;在B200上128K上下文时解码吞吐最高达到全量KV注意力的水平。

  5. medRxiv

    同一个临床基础模型,两种用法各赢一场:风险预测靠表示,同日医嘱靠生成

    在377万患者病历上预训练的65M参数临床基础模型FERMAT,把同一模型的两种用法放在同一批患者上比较:五年肾病、脂肪肝、糖尿病风险由患者表示预测更准,而预测同一天记录的诊断、处方和操作则由生成轨迹更准。

  6. arXiv

    VLA动作块执行不再只看生成是否稳定:PAV先预测前缀后果,LIBERO平均成功率94.65%

    视觉-语言-动作(VLA)策略一次查询生成一串动作,但执行多长才安全此前只能靠生成稳定性或预测一致性间接判断。PAV改为在策略自身的任务条件表示空间里预测候选前缀执行后的未来状态,并用轨迹级成败结果训练一个验证器,给出该前缀能否继续完成任务的概率。在LIBERO四个套件上,PAV平均成功率94.65%、平均每回合14.0次策略查询,高于不做未来预测的直接验证(84.55%、22.3次)和改用DINOv2特征预测的版本(87.00%、22.2次)。

  7. medRxiv

    三项大模型在ESC 2026前锁定预测:仅凭注册设计,区分阳性与阴性试验的AUC最高0.80

    在2026年欧洲心脏病学会年会开幕前,三项大语言模型仅凭试验注册时公开的设计信息,对50项Late-Breaking试验的主要终点是否达成给出锁定预测。48项可评分试验中28项为阳性,Claude、GPT与Gemini区分阳性与阴性试验的AUC分别为0.80、0.79和0.74,均高于随机水平;在效应量按锁定口径报告的26项试验中,方向判断正确率为88%,比值型效应的中位乘性误差约15%。

  8. bioRxiv

    空间转录组不再先切细胞:SSAF-T用文献知识图谱直接判型,再反过来指导分割

    空间转录组分析长期依赖细胞分割,而分割边界和转录本归属容易出错;无分割方法虽绕开这一步,却往往需要外部单细胞参考或预设细胞类型数。SSAF-T把无分割的细胞类型判定与分割连成一条链:先由智能体CeLLMan依据文献知识图谱和标记基因给聚类贴标签,再把标签铺满整张组织图,并用这张图约束以细胞核为种子的分水岭分割。在Visium HD小鼠小肠、Stereo-seq小鼠脑、Xenium小鼠肾和MERFISH小鼠肝等公开数据上,其细胞类型分布与组织解剖一致,分割结果与Baysor、Cellpose可比,且运行更快。

  9. arXiv

    MLP线性化改用低次有理逼近:Qwen3-8B替换最后八个前馈层,参数少14%而吞吐更高

    多层感知机的线性化不再只靠多项式随机特征,而是用低次有理函数逼近激活函数,再借部分分式把每层拆成权重侧与输入侧可分离的内积。在合成拟合、视觉、三维与语言模型上,这一路线在同等特征预算下取得更低误差;压缩Qwen3-8B时替换最后八个前馈层可移除1.17B参数(占模型14%),解码吞吐从763.3升至809.6 token/s,推理与知识基准与未压缩模型大致持平。

  10. Advanced Science

    金属结合位点不再只认高分辨率结构:先剪枝再优化,冷冻电镜与AlphaFold模型上仍能定位并判型

    PrOMet把金属结合位点预测拆成先剪枝再优化两步,在独立测试集上把位点定位的PR-AUC做到0.739,并在同一套结构上同时给出金属类型。