Beyond Points: Spherical Distributional Part Prototypes for Interpretable Classification
HybridCodec:建模离散与连续表示的高效语音语言模型
融合离散token与连续残差的混合编解码器,改善说话人特征保留,减少自回归步骤。
AI驱动的高科技系统设计综合:创新自动化
利用深度学习和生成式AI自动创造系统,案例验证从仿真优化到自主设计的转变。
语音强调模型能否跨语言和情感泛化?
新语料MMEE揭示:多语训练提升跨语言泛化,模型跨情感和合成/感知数据泛化稳健。
COOPA:一种面向运筹学问题的模块化大语言模型智能体架构
COOPA是一种模块化LLM智能体架构,通过迭代置信度建模、溯源分析和多求解器路由,提升运筹学问题求解准确率最多6.7个百分点。
大型语言模型教导视觉学生:细粒度概念知识的跨模态迁移
LaViD利用LLM生成选择题,将语言知识蒸馏到纯视觉模型,无需配对数据,提升细粒度分类与鲁棒性。
KG2Cypher:面向数据的企业文本转Cypher系统构建管道
提出数据驱动管道,从知识图谱生成查询对,经LLM验证与微调,韩语企业场景执行F1达0.964。
TeRoR:面向时序知识图谱嵌入的解耦时间旋转与关系圆形区域
提出TeRoR方法,解耦实体时间演化,独立旋转头尾实体,用半径约束捕获关系映射特性,在四个数据集取得领先性能。
使用CNN和ResNet架构的MRI图像脑肿瘤自动检测
基于CNN和ResNet的自动脑肿瘤检测,ResNet18准确率97%,优于ResNet50,支持早期诊断。
乘性均匀噪声下的ICF图像去噪:基于对数域Noisier2Inverse框架的自监督研究
提出对数域Noisier2Inverse自监督去噪框架,用于ICF图像乘性均匀噪声去除,最佳PSNR 21.41dB,无需干净数据。
人类书写文本中的事实错误实证分析及其应用
通过报纸修正提炼人类事实错误分类,发现汉字误转换等特有类别,评估LLM检测性能仅52%F1,凸显难度。
CalBrief:面向大语言模型证据校准科学简报的初步诊断基准
提出CalBrief基准评估LLM证据校准能力,发现明确强度校准策略过保守,建议分开评估标签级判断与证据组织能力。
Qwen-Image-2.0-RL技术报告
采用RLHF与在线策略蒸馏后训练,显著提升图像生成和编辑的视觉质量与指令跟随,多基准得分提高。
多模态图社交媒体流行度预测基准
提出多模态图基准MMG-Pop与网络MMG-PopNet,融合信号并验证优越性,揭示跨平台泛化等新见解。
Deployment-Side Adaptiveness in Multi-Horizon Volatility Forecasting
位置偏差校正不足以实现单遍注意力排序
位置偏差校正仅缩小37%差距,无法匹敌迭代排序,重复排序提供额外增益。
可解释人工智能在生物多样性监测与生态图像分析中的应用
可解释AI应成为生态模型验证标准,确保预测基于生态信号而非虚假相关,提升保护决策的可靠性。
时间序列基础模型能否应对电子鼻数据?对其嵌入表示的经验评估
评估显示TSFMs用于电子鼻数据需微调,融合专用模型可提升性能,揭示其潜力与局限。
DataStates-LLM:基于可组合状态提供者的Transformer模型可扩展检查点技术
提出DataStates-LLM,利用状态提供者解耦状态与数据移动,实现异步非阻塞检查点,吞吐量提升4倍,训练时间缩短2.2倍。
面向冻结视觉语言模型的VLM感知元光学前端设计
提出CODA框架,直接优化元光学前端,使冻结CLIP零样本准确率从53.75%提升至65.41%,并跨模型数据集迁移。
面向编码大语言模型中隐式软件世界模型的评估
本文通过预测执行资源,评估编码LLM的隐式软件世界模型,发现模型表现脆弱,缺乏对软件执行的理解。
使用可解释量子自编码器的压缩驱动脑MRI异常检测
量子自编码器通过压缩驱动实现脑MRI异常检测,ROC-AUC达0.95,优于经典基线,且参数不对称性提供可解释机制。
SHIFT: 门控调制激活导向用于检索增强生成中的知识冲突缓解
SHIFT通过可学习门控自动调节模型内部激活,仅优化0.01%参数,有效缓解RAG中检索与参数知识冲突。
校准引导LLM压缩中的输出空间分配成本:一项实证研究
输出空间分配成本提升准确率但增加困惑度,低压缩率下效果不显著,因权重与输出误差高度相关。
NLL引导的全注意力层选择:用于无需训练的滑动窗口适配
提出NLL引导的层选择方法,仅用1/4全注意力层达到与1/2相当的准确率,大幅降低计算成本。
智能体出版协议:科学出版现代化的一次尝试
提出智能体出版协议(APP),将论文与代码、数据打包,通过可执行智能体实现成果复现与扩展。
世界模型的文本信念状态:严格中介下的可识别表示学习
提出严格中介下的文本潜在状态与fGRPO方法,在保持预测准确同时,表示质量提升57%,展开性能提升98%。
MVPruner:用于加速自动驾驶中多视图视觉语言模型的动态令牌剪枝
MVPruner两阶段自适应剪枝,依据视图多样性和指令文本动态分配预算,实现4.97倍加速且精度保留98.5%。
SidConArena:一个在开放式正和谈判博弈中评估智能体的环境
提出SidConArena基准,通过多阶段博弈评估LLM智能体,发现强模型经济成果高,但存在资源误估、谈判被动及长期规划不足。
GeoFace:基于几何约束扩散的一致多视角人脸生成
GeoFace利用几何约束扩散,双流联合生成多视角人脸与3D几何,实现跨视角一致,提升重建质量。
CBD:通过受控行为分歧的仅API大语言模型黑盒遗忘
CBD仅通过API实现黑盒遗忘,利用受控行为分歧区分目标与保留数据,平衡遗忘与效用,超越多个基线。
面向多帧红外小目标检测中分割一切模型的时间涌现提示方法
提出TEP-SAM,利用时间涌现线索联合全局与局部运动,增强目标特征,实现低SNR多帧红外小目标高效分割。
历史文本中命名实体识别的时间融合策略研究
系统研究历史文本NER时间融合策略,发现后期融合在早期噪声时期更鲁棒且可泛化。
GRAFT:拟南芥中关联基因表达与表型性状预测的生物图与超图基准
提出拟南芥多模态数据集GRAFT,关联基因表达与表型性状,支持预测与图学习基准。
Aurora: 杠杆感知的谱优化器
Aurora优化器解决Muon更新行范数不均匀问题,通过强制行均匀性并保持极分解几何,性能优于Muon,且优势随MLP宽度扩大。
面向扩散模型的类别频率引导噪声调度
提出CFRG噪声调度,为低频类别赋予更大噪声,解决扩散模型中低频类生成质量差和多样性不足的问题。
基于CNN与视觉Transformer融合的AI生成图像识别
提出融合多种检测方法识别AI生成图像,在CIFAKE数据集上达97.32%准确率。
从汽车维修说明中学习互补动作建模
提出互补动作建模,通过修改动作短语识别程序性对应指令,强调基于微妙词汇线索而非表面相似性。
三方狼人杀:大语言模型多跳心智理论中的小丑角色
三方激励结构揭露了二元推理游戏无法显现的多智能体推理层。
推测性精炼:混合自回归扩散解码策略及其基准表现
混合解码揭示代码基准结构错误、精炼张力及评估排名差异等关键发现。
你到底在说什么?自动语音识别的认证鲁棒性
提出双门诊断流水线(双面原子审计+排名锦标赛),实现语音识别鲁棒性认证,降低WER最高55%,提升召回率与安全性。
拆解病理性捷径:用于忠实LVLM解码的因果框架
Fox框架通过因果干预切断注意力头病理性捷径,消除幻觉,实现忠实解码,性能提升29.1%。
快速停止!面向认证鲁棒性的早期停止
提出元学习框架实现自适应认证鲁棒性,样本复杂度降低20倍,支持按风险阈值分配计算。
CascadeOcc: 利用级联VQ表示重新思考3D占据世界模型
CascadeOcc通过级联VQ与多尺度时间建模,以粗到细方式预测3D占据,验证了优化内在表示的有效性。
VASAE:基于词汇对齐锚定的SAE字典方向命名方法
VASAE在训练时用词汇对齐锚定给SAE特征分配token名,不降重构质量,浅中层的特征对齐率达90%以上。
拟像:基于决策理论预训练的近最优时间序列预测与推断
提出决策理论预训练框架,训练神经网络逼近最优决策规则,实现零样本时间序列推断,优于传统方法。
LLM推理轨迹中的认知片段实现可解释的人类题目难度预测
Epi2Diff框架将推理轨迹映射为认知片段,有效预测人类题目难度,揭示困难题目引发更努力的迭代过程。
受思维树启发的法律案例判决摘要混合方法(基于大语言模型)
提出思维树启发的抽取-生成式摘要法,实验显示其提示效果优于其他类型。
最弱一环揭示一切:基于可学习信用分配的结果监督过程奖励建模
提出LCA框架,以最弱链分配原则解决信用分配难题,采用SWS池化,性能优于现有方法。
中文标题:从黑盒到临床洞察:基于语音的认知障碍检测的多阶段可解释框架
中文摘要:提出多阶段可解释框架,融合SHAP与LLM推理,将黑盒语音认知检测转化为临床解释,F1达72.11%,SUS评分82/100。