跳到主要内容
检索

RWTH Aachen University

9 篇关联报道

订阅更新
  1. arXiv

    约束优化不再均匀抽约束:保留近期违反项,合成问题上迭代误差降两个数量级

    面对不等式约束数量极大的随机梯度优化,一种自适应约束采样方法不再每步从全部约束中均匀抽取,而是维护一个近期被违反约束的“重要集”,按概率在重要集与全体约束之间取样。在100维合成凸问题上,它把ABSGD、Projection-SGD与Huber-penalty SGD三种方法的迭代点与最优解的最终欧氏距离平均降低约两个数量级,APDSG降低一到两个数量级;在Dubins Car控制障碍函数合成中,最大约束违反量平均降低半个数量级、最多一个数量级。

  2. bioRxiv

    人类基因组被逐位替换算了一遍:约31.2亿个位置连成有向依赖网络,还分出七类反复出现的结构

    研究团队用DNA语言模型Nucleotide Transformer v3,在JUPITER超算上把端粒到端粒人类参考基因组的约31.2亿个位置逐一替换成另外三种碱基,记录模型在其他位置的响应变化,得到全基因组、有方向的核苷酸依赖图。这些依赖优先连接进化保守位置,并反复聚成七类几何结构,被命名为Relon,其中一部分落在现有注释之外。把依赖特征与CADD结合后,内含子变异的致病性判别AUPRC从0.299升到0.356。

  3. medRxiv

    心理治疗也能做“硅内实验”:高共情提示让模拟会谈的动机式访谈完整性全面升高

    心理治疗研究长期受制于试验成本高、临床特征难以随机操控。一项预注册概念验证研究用本地部署的 Llama-3.3-70B-Instruct 搭建治疗师与来访者两类智能体,自动生成 512 场动机式访谈会谈,仅通过治疗师提示词操控共情、肯定与联盟建立等共同治疗因素的高低。在纳入分析的 480 场会谈中,高共同因素条件下的动机式访谈治疗完整性四项全局评分均高于低条件,调整后均值差为 0.54 至 0.95 分。

  4. arXiv

    后训练把语言模型的信念状态切成因果商:信息多被重路由或重标度,只有持续权重衰减才真正抹除

    作者在隐马尔可夫世界中让预训练模型恢复贝叶斯信念状态,用只读任务变量的奖励定义精确的奖励零核,并分别测量奖励零信息是否仍可线性解码、决策是否仍因果依赖它、以及它占多少激活方差;结果显示后训练大多把这类信息重路由或重标度而仍可解码,KL锚定使决策继续使用它,无锚定则决策停止使用,只有长时间权重衰减才把奖励与下一词预测都看不见的分量真正抹除,开放语言模型在上下文信念几何上呈现同样的解离。

  5. bioRxiv

    TRIDENT-2 用 56 万条毒性测定数据跨真核生物预测化学毒性,平均中位绝对误差为 1.76 至 3.80

    作者提出多模态人工智能模型 TRIDENT-2,在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练,用于预测进化上多样化的真核生物的化学毒性,报告的平均中位绝对误差为 1.76 至 3.80,并在较大的化学与分类学距离上保持准确,从而可为现有实验证据之外的物种和化学品提供毒性评估。

  6. arXiv

    SnapLog 用 ViT 帧嵌入加 K-Means 分割、R(2+1)D 少样本分类,把厨房视频转成事件日志,Top-3 达 90% 与 85%

    该工作提出 SnapLog 流水线,先用预训练 ViT 逐帧编码并基于帧间相似度矩阵做 K-Means 时序分割与贪心合并,再用预训练于 Sports-1M 的 34 层 R(2+1)D 编码器加线性分类头做广义少样本事件分类,从而把原始视频转成带时间戳的事件日志(可输出确定性日志或保留标签概率分布的含不确定性日志);在 TUM Kitchen 的 16 段布朗尼烘焙视频与 Epic Kitchens-100 的 24 段厨房清洁视频上,分割帧级准确率为 74.3% 与 67.7%,分类在增强加 100 个重叠片段设置下 Top-3 达 90.1% 与 85.4%,并可从 TUM 日志中发现基本合理的布朗尼烘焙流程模型。

  7. arXiv

    DP-RGMI 框架在 59.4 万张胸片上把差分隐私的性能损失拆成编码器几何与任务头利用两部分

    作者提出 DP-RGMI 框架,把差分隐私训练视为表征空间的结构化变换,用表征位移、谱有效维度和线性探针与端到端 AUROC 之差(利用差距)三个量来分解隐私带来的性能下降;在 PadChest 主数据集(110,525 张正位胸片、22,045 张测试图)以及 CheXpert、ChestX-ray14 等共超过 594,000 张胸片、三种预训练初始化(ImageNet、DINOv3、MIMIC-CXR)上,他们发现强隐私下线性可分性大体保留但利用差距持续存在(如 ImageNet ε=1.0 时 G=8.0,MIMIC ε=0.7 时 G=3.4,DINOv3 ε=0.7 时 G=6.1),而位移与谱有效维度呈非单调、依赖初始化与

  8. 面向临床统计分析的AI“氛围编程”基准测试:肺动脉高压研究中的结构化评估

    该研究让五个当前大语言模型(GPT 5.3、Claude Sonnet 4.6、Gemini 2.5 Flash、Perplexity 和 Grok)在相同数据集与标准化提示下复现一项已发表临床工作流中经专家验证的三类统计分析任务——描述性表格生成、Kaplan–Meier生存分析和Cox比例风险建模,并将输出与两位受过数理统计训练的专家的分析在分组正确性、数值准确性、缺失值处理和生成的R代码质量方面进行比较,结果显示所有模型在变量被明确指定后都能给出正确的描述性统计,两个模型因变量名歧义在初始描述性基准中失败但在提示澄清后恢复,所有模型都复现了正确的Kaplan–Meier p值但图形完整性不同,Cox基准

  9. 临床编码映射中的LLM工具使用:从非结构化德语临床笔记中自动提取药物与诊断信息的试点研究

    该试点研究将35份来自5名患者的德语医生笔记匿名化,构建了一条药物提取与映射流程和两条诊断流程(其中一条基于RAG、一条基于智能体AI),在本地GPU-PC上运行三种开放权重LLM,结果显示药物名称提取F1可达0.95、药物映射F1可达0.78,而诊断编码F1不超过0.12、宽泛类别映射F1为0.18,作者据此认为LLM适合用于研究数据库的药物信息提取,但当前开放权重模型尚不足以支撑直接依赖其表现的临床诊疗场景。

已读完全部报道