跳到主要内容
检索

University of Oxford

29 篇关联报道

订阅更新
  1. bioRxiv

    Neuralign把跨会话神经记录放进同一个张量分解:共享时间曲线,试次与神经元权重各会话自估

    Neuralign把来自不同会话、不同动物、神经元采样各不相同的神经记录放进同一个张量分解,每个成分共享一条时间曲线,而试次强度和神经元权重按会话各自估计,因此不需要匹配同一批神经元或同一批试次。在19只小鼠的93段全脑记录上,无监督拟合得到的单个成分把前外侧运动皮层(ALM)光遗传抑制的三种条件区分开,留出会话上的平衡准确率为0.647,随机水平为1/3。该成分的变化与行为准确率下降呈弱相关(ρ=0.266,180个会话—抑制观测)。

  2. JAMA Cardiology

    不用打造影剂也能读出冠脉炎症:非增强CT的FAI评分把零钙化人群的风险分层推进一步

    冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量,而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数(FAI)的深度学习流程,该评分与造影版FAI预后表现相当,并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。

  3. arXiv

    多智能体出错不再全停:Airlock按数据流向定点隔离,健康任务多留68到96个百分点

    多智能体系统中,一个智能体的错误输出会在被发现前被同伴读取并扩散到外部动作。Airlock把权限沿委派树逐级收窄,同时用只追加的数据来源图记录跨智能体的数据消费;告警后沿图向前隔离受污染的执行与待发动作。在1832次测试台运行、161次物理智能家居运行和24266条仿真记录中,Airlock在主测试台与智能家居网格上拦下告警后全部错误动作,收敛后零泄漏,比A2A与LangGraph原生控制多保留68到96个百分点的健康工作。

  4. arXiv

    不可知学习与多准确度被证明等价:一个多准确度预言机,经自适应查询就能达到最优判别

    在固定特征分布、任意模型类的设定下,不可知学习(训练判别模型去逼近类内最优)与多准确度(训练生成模型使类内所有观察者都分不清真假标签)被证明在统计与计算复杂度上等价。此前只有从不可知学习到多准确度这一方向已知,反方向因单个多准确度预测器即使校准也无法超过随机猜测而悬置;新的归约反复调用多准确度预言机、按预测值分层并加权平均,最终得到既多准确又校准的预测器,从而完成不可知学习。

  5. medRxiv

    床旁监护不再只看10秒片段:BioLT把心电、脉搏波、脑电接成长流,21个设置里15个检出AUROC最高

    临床心电、脉搏波和脑电正以数小时连续流的形式被采集,但现有分析几乎都停在约10秒的孤立窗口上,无法处理长而不规则、常被中断的信号。BioLT把任意窗口级特征提取器或预训练生物信号基础模型改造成流式模型:把相邻窗口之间的间隔时间作为显式输入通道,并用固定大小的压缩记忆库保留长程上下文,使训练和推理随记录长度线性增长。在CPSC-2021、VitalDB、MC-MED和CHB-MIT上,覆盖心律失常、脓毒症和癫痫检出以及最长20分钟预测,21个数据集-特征设置中BioLT在15个取得最高检出AUROC、在13个取得最高20分钟预测AUROC。

  6. Nature Medicine

    医学视觉语言模型不再只给结论:诊断均分0.895,还能把病灶框回像素

    医学影像基础模型长期在“通用”与“像素级精确”之间取舍,且多数只输出结论、不交代依据。EVLF-FM 把疾病级与像素级两路视觉特征同时送入语言模型,先做监督微调,再用带可验证奖励的强化学习对齐推理与定位,覆盖皮肤科、肝病、眼科、病理、呼吸与放射六个专科、10 种成像模态。内部诊断验证中其平均准确率 0.895,为所比模型中最高;在 9 种模态的医学视觉定位上平均 Acc@0.5 为 0.842。

  7. researchsquare.com

    血源性病毒预测模型的偏倚评估交给检索增强流程:与人类统计师、通用大模型对照,三者与专家共识的一致性相当

    血源性病毒预测模型的偏倚评估长期依赖人工逐条核对PROBAST+AI条目,费时且易受评审者差异影响。ARBITER把每条信号问题的判断建立在检索到的PROBAST+AI准则、统计方法与疾病特异性知识之上,并区分模型开发与验证两条路径。在9篇HIV、HBV、HCV预测模型研究的200条条目观察中,ARBITER与专家共识的加权κ为0.701,人工评审者为0.724,Claude Sonnet 4.6为0.714,置信区间相互重叠。

  8. arXiv

    证书不再只靠数值求解器:LLM2Cert 把 105 个动力系统里的 81 个验到核验通过

    动力系统的稳定性与安全性通常靠 Lyapunov 函数和屏障证书给出保证,而以往验证这些候选证书的数值求解器、区间方法和 SMT 求解器往往需要放宽条件,标准测试集也因此偏向低维多项式系统。LLM2Cert 让大模型提出候选证书,把每条证明义务按类型分派给 SMT 求解器或 Lean 证明助手,并只允许修补证明、不允许改动定理。在包含 105 个实例的 DynaCertBench 上,完整框架端到端验证了 81 个实例,而单次提议不做反馈时为 63 个。

  9. medRxiv

    细菌鉴定不再只求种名:13种菌的单细胞图像,按耐药检测路径分组后准确率从65.4%升到77.1%

    细菌单细胞图像分类在未见菌株上很难做到精确到种。SC-MAPS 汇集13个菌种、916435个单细胞,把相差、明场与三种荧光通道对齐到同一细胞,用深度学习融合多通道特征;在留出菌株上单细胞种级准确率为65.4%,把种概率按八个耐药检测路径组汇总后升到77.1%,同一菌株样本合并5个细胞后达91.1%。

  10. researchsquare.com

    水泥碳化养护的净碳账要重算:同一吸收量下,五种CO₂供应情景的盈亏分界从0.314到2.047 kg CO₂/kWh

    水泥碳化养护能把CO₂存进材料,但净碳收益取决于CO₂供应与养护本身的排放。研究把461条文献吸收数据统一到含骨料的原材料质量基准,用八种材料与养护描述符比较八种回归模型,并把预测吸收量与供应、运输、养护排放耦合起来。在一个示例预测吸收量0.231 kg CO₂/kg原材料、假定材料质量2400 kg/m³下,电力碳强度为0.05 kg CO₂/kWh时五种供应情景净收益为0.189–0.219 kg CO₂/kg原材料,电力碳强度升到0.40 kg CO₂/kWh时其中两种转为净排放;五种情景的盈亏分界电力碳强度为0.314–2.047 kg CO₂/kWh。