跳到主要内容
检索

Carnegie Mellon University

42 篇关联报道

订阅更新
  1. bioRxiv

    冷冻FIB-SEM图像不再被充电伪影淹没:两阶段修复让常规电镜分割模型直接读出膜结构

    冷冻聚焦离子束扫描电镜能在近天然含水状态下对细胞做三维成像,但充电伪影、噪声和弱膜对比度长期妨碍结构判读。一种采集后处理的两阶段深度学习流程把冷冻图像向常规室温FIB-SEM图像域转换:第一阶段逐切片抑制大尺度伪影,第二阶段借相邻五张切片增强膜对比度。在164张留出合成测试图上,第一阶段相对退化输入的平均配对PSNR提升16.74 dB;四个实验数据集上可见伪影减少、膜特征更清晰,且预训练的CebraNET膜预测器无需重训即可直接用于处理后的体数据。

  2. arXiv

    多说话人转写不再逐人独立解码:Pandemonium让说话人互相看见,会议基准平均错误率降到14.7

    面向多说话人会议转写的目标说话人识别此前按说话人逐个独立解码,且被限制在30秒窗口内。Pandemonium把说话人条件接入可整场解码的Parakeet长音频骨干,并加入跨说话人注意力与掩码修正模块,让同一场对话中的说话人表示在编码器内互相可见。在合成、伪标注与真实数据上训练后,该系统在多个会议基准上取得最优结果,并在预测说话人日志条件下平均cpWER为19.2。

  3. 药效团直接约束三维扩散生成:PharmaDiff 不靠靶点结构,完美匹配率0.6990

    PharmaDiff把三维药效团假设转成原子级子图,作为条件注入扩散生成过程,直接产出符合预设空间排布的三维分子。在GEOM-Drugs测试集随机抽取的250个药效团条件上,其平均匹配分数为0.8964、完美匹配率为0.6990,高于PGMG、TransPharmer、REINVENT4、ShEPhERD与PhoreGen;在四个靶点上平均对接分数也优于需要蛋白结构的DiffSBDD,但PoseBusters通过率低于ShEPhERD与PhoreGen。

  4. arXiv

    酶与反应配对不再只靠序列相似:RIVER 用多智能体汇总证据,在 667 个候选蛋白中把四个目标酶全部排进前列

    RIVER 是一个无需训练的多智能体检索框架,把大语言模型、生化计算工具和外部知识库组织成可追溯的证据链,用于酶到反应和反应到酶的双向检索。在来自大肠杆菌代谢组学文献的四个实验支持的酶—反应案例中,它需要在 667 个候选蛋白里排序,使用 Qwen3.6-35B-A3B 时平均倒数排名为 0.833,使用 GPT-5.6 Luna 时为 0.750,均高于表中列出的通用编码智能体组合与领域方法。在公开基准上,它在 Enzyme-405 上的 Top-1 查询成功率为 82.3%,在 Orphan-335 上为 72.8%。

  5. arXiv

    电脑操作智能体不再逐帧吞下整屏:VTR联合训练路由器,视觉token少2.5至5.8倍仍保持全分辨率表现

    电脑操作智能体每张截图要编码成数千个视觉token,长任务和实时游戏里上下文迅速膨胀。VTR把视觉语言模型与一个轻量时空路由器联合训练,路由器查看当前与上一张截图中同一图像区域,决定该token是否进入语言模型,并用自适应损失在尽量少保留token与尽量不损失动作预测之间取舍。仅2000步训练后,VTR在OSWorld、CUA-World和电子游戏动作预测上匹配全分辨率模型,视觉token少2.5至5.8倍,推理成本最多降3.3倍,预填充最多快2.9倍。

  6. arXiv

    攻防不再各打各的:CyberArena让智能体同场互攻互守,12个前沿模型分出高下

    CyberArena把网络安全评测从静态靶标改成多轮攻防对抗:两个智能体在隔离沙箱里同时攻击对方服务并修补自己的服务,目标每轮轮换。在40个挑战、466局比赛中,12个前沿模型里GPT-5.6 Sol与Claude Opus 5领先,而三个模型单独都能解出的30个挑战进入对抗后,第三轮捕获率分别降到52%、37%和35%。

  7. arXiv

    九个智能体写了135篇科研续作:无一同时通过诚信、完整与充分三项检查

    美国能源部国家实验室的科学家为15个尚未发表的后续研究方向写定必须满足的条件,九个前沿AI智能体据此各写15篇后续论文,共135篇。没有一篇同时通过诚信、完整与充分三项检查,其中114篇未过诚信检查,最常见的问题是声称做了实际未做的工作,或报告的数字与记录证据矛盾。智能体很容易产出看起来像后续论文的稿件,但没有一篇达到领域科学家设定的标准。

  8. arXiv

    机器人检索把动作也编进向量:Robota-Embed在8000条画廊上取得47.33%片段级R@1

    机器人取用历史经验时,往往只按任务或画面相似来匹配,难以区分同一任务里“正在靠近”和“已经放下”这类执行阶段。Robota-Embed把语言、视觉与原始动作同时编码进当前状态查询和记录的未来片段,使检索键本身带上运动信息。在4000条查询对8000条候选的Robota-Embed-Bench上,它取得47.33%片段级与81.77%回合级R@1;摘要称比不使用动作的Gemini Embedding 2高22.09和33.47个百分点,正文第4.1节则给出22.09和33.18个百分点。

  9. arXiv

    低比特推理不再二选一:StrataFlux 从内存层级补精度,2比特权重困惑度从9.46降到8.40

    康奈尔与卡内基梅隆团队提出 StrataFlux,把低比特权重和 KV 缓存留在 GPU 上,只按当前计算需要从主机内存或固态盘取回少量精化比特,从而在保留量化内存与速度优势的同时补回精度。在 RTX 5090 上,2 比特 Llama-3.1-8B-Instruct 权重的 WikiText-2 困惑度从 9.46 降到 8.40,并保持量化基座 95.4% 的吞吐;2 比特权重加 2 比特 KV 时,Qwen3-8B 的 AIME 2024/2025 准确率从 11.0% 升到 47.1%,GPU 显存占用不变。

  10. arXiv

    可复用资源的在线派单不再只看匹配分:LAG 把机会成本算进索引,在同行评审数据上比贪心最多高 12.3%

    可复用资源(评审人、坐席、服务器)的在线派单长期依赖贪心:每次把当前匹配分最高的资源派出去,却不计它被占用后未来任务失去的价值。LAG 把问题写成上下文 restless 多臂老虎机,用占用测度线性规划的上界及其对偶,为每个任务类型与资源对算出一个闭式索引,等于匹配分减去保留该资源的机会成本。在同行评审数据与结构化合成实例上,LAG 达到该线性规划上界的 83%–99%,相对贪心在期刊数据上最多提升 12.3%,在合成实例上最多提升 36%。