跳到主要内容
检索

Brown University

12 篇关联报道

订阅更新
  1. arXiv

    智能体要自己认出偏微分方程:RSI-PDEbench 用 1001 个案例考它,四模型平均通过率最高提升 181.9%

    从采样解数据反推偏微分方程,需要专家完成方程发现、系数估计和数值求解器配置。RSI-PDEbench 把这一流程做成 1001 个案例、42 个方程模板的基准,分无噪声、50% 高斯噪声和未见模板加偏移系数三种设定;配套的 RSI-PDE 智能体用残差筛出候选方程、用相对反馈修正系数与求解器,并以验证门保留改进。四个前沿模型上,其平均通过率相对单次运行基线提升 106.5%–181.9%,相对原生智能体框架提升 3.0%–19.6%。

  2. arXiv

    X上的帖子为何先慢后快:分数学物理神经网络把24小时拆成四段,记忆阶数从0.23升到0.99

    社交媒体的传播曲线过去要么被预设成固定的增长函数,要么假定历史影响以固定方式衰减。分数学物理神经网络把帖子互动速率写成“每帖传播潜力乘以一条共享增长律”,并用一个可学习的分数阶导数刻画历史记忆的强弱。在X的348条训练帖与86条测试帖上,把24小时窗口切成四段、每段单独训练后,模型在均方误差0.01以内重建了64%的留出轨迹,而九种经典基线中最好的Bass扩散为44%。

  3. arXiv

    表征不必靠规模对齐:正视图让1.09亿参数文本编码器在PRH基准上超过720亿参数语言模型

    研究把“不同模态模型会收敛到同一世界表征”的柏拉图表征假说,在JEPA(联合嵌入预测架构)上变成可证明的定理:只要各模态的正样本对描述同一世界状态,分别训练的编码器就只差一个旋转。据此区分“正视图”与“坏视图”,在相同文本与编码器下正视图对齐最好;一个1.09亿参数的文本JEPA在PRH基准上达到.184,高于所评估的全部语言模型(最高720亿参数,.154)。

  4. arXiv

    世界模型不再先学表征再配控制器:LeWAM把动作预测并进同一遍训练,接触密集任务成功率从28.6%升到89.7%

    LeWAM把视觉表征、动作条件潜在动力学和随机策略放进同一次训练,在接触密集任务上把规划成功率从28.6%提到89.7%,长程任务从10.9%提到46.2%,规划速度提高32.3倍。

  5. arXiv

    DSReg 无需重建即可证明式恢复单个世界潜变量,并在合成、像素编码器与外部渲染器上提升稀疏控制与编辑

    该工作提出 DSReg(依赖稀疏正则化),在 LeJEPA 提供的线性可辨识前提下,仅凭“结构多样性”这一依赖足迹条件,证明无需重建、无需解码器、无需标签即可把每个世界潜变量恢复到符号置换;方法可事后作用于任意线性可辨识表示并复用已训练检查点,在合成体系、世界模型探针、像素训练编码器与外部渲染器上保持稠密预测不变,同时改善单潜变量恢复与稀疏控制、编辑、少样本读出等下游使用。

  6. arXiv

    ZeroMAG 用无标签校准信号零样本生成多模态适配器,在六个留出数据集上把冻结 EEG 基础模型的平衡准确率平均提升 7.22 个百分点

    ZeroMAG 提出一种零样本多模态适配器生成框架:在冻结 EEG 编码器与预测头的前提下,仅用无标签目标校准记录和任务上下文,通过配置不变的 1+N 适配器结构、模态–被试–任务条件,以及从源适配器学到的函数约束隐空间生成适配器权重;在六个留出目标数据集和三个 EEG 基础模型骨干上,其平衡准确率平均比仅 EEG 推理高 7.22 个百分点、比直接权重回归高 4.89 个百分点,平均仅比有监督多模态适配低 0.50 个百分点,且无需目标标签或目标端优化。

  7. arXiv

    Rolling-WAM 把联合去噪摊到多个重规划周期,在 LIBERO 达 98.1%、RoboTwin 2.0 达 93.3%,并相对标准联合 WAM 取得 4.5 倍稳态重规划加速

    Rolling-WAM 提出一种滚动式世界动作模型:在滑动窗口内维持处于不同噪声水平的视频-动作块,每个重规划周期只把即将执行的动作块完全去噪、同时部分精修更远的未来块,从而把联合去噪计算分摊到多个控制周期;在 LIBERO、RoboTwin 2.0 与 Unitree G1 真机人形任务上取得有竞争力的操作成功率,并相对标准联合 WAM 实现 4.5 倍稳态重规划加速。

  8. arXiv

    FuseReg 用随机层子集训练解码器与 DiT,让单个解码器在完整、稀疏与单层融合下都能重建,并在生成器不变时降低 gFID

    该工作提出 FuseReg,把表征自编码器(RAE)中层融合的选择从固定启发式改为训练时对编码器层随机子集采样:在 ImageNet-256 与冻结 DINOv3-L 上,一个 FuseReg 解码器无需重训即可从完整、稀疏和单层融合重建,PSNR 高于专用于固定融合的解码器;仅替换解码器(RAEv2 DiT-XL 生成器不变)即降低无引导 gFID,联合正则化解码器与生成器在 DiT-Base 上进一步降低无引导 gFID。

  9. 发表出处待核验

    MergeRepair 将多个代码任务适配器合并后,在 StarCoder2 上把自动程序修复的 pass@1 提升 2.38%、pass@10 提升 4.01%,且不额外训练

    该研究提出 MergeRepair 框架,在 CommitPackFT 的 Python 子集(59,113 条样本,其中 Bug Fixes/APR 占 19.02%)上为 Development、Bug Fixes、Misc、Test & QA、Improvement 五个任务各训练一个 LoRA 适配器,用 weight-averaging、ties、dare-ties 三种方法做等权合并,并提出按顺序逐步合并的 continual merging;在 StarCoder2 与 Granite 两个 3B 代码模型上以 HumanEvalFix 的 pass@1/pass@10 评估,结果显示合并适配器可在不额外训练的情况下提升 APR 表现,例如 Sta

  10. Nanoscale

    用于癌症分子成像的可编程纳米探针:迈向自适应与情境响应式诊断

    这篇综述系统梳理了刺激响应型纳米探针的设计原理与功能架构,指出其可针对肿瘤内源性线索(如pH约6.5-6.8、谷胱甘肽2-10 mM、酶过表达、缺氧低于2% O2及氧化还原梯度)和外源性触发(近红外光700-1000 nm、磁场、超声)实现情境响应式激活与信号调控,带来5-20倍信号放大,并整合多模态成像与人工智能以实现实时数据解读和自适应诊断。