利用单细胞RNA测序重建人类脂肪组织脂肪细胞发育轨迹

近期，一项发表在arXiv预印本上的研究提出，通过单细胞RNA测序技术，成功重建了人类脂肪组织中脂肪细胞的发育轨迹。研究团队由Weny S. M Sitinjak和Humasak Tommy Argo Simanjuntak等人组成，他们利用高通量单细胞转录组数据，系统解析了脂肪细胞从祖细胞到成熟脂肪细胞的动态分化过程。该研究不仅揭示了关键基因的表达变化，还识别出多个与脂肪细胞发育相关的细胞亚群，为理解肥胖、代谢疾病等病理机制提供了新的分子基础。这一方法有望推动脂肪组织发育生物学的研究，并为未来的精准干预策略奠定科学依据。 #单细胞RNA测序 #脂肪细胞 #发育轨迹 #人类脂肪组织 #生物医学 #代谢疾病 #肥胖研究 #细胞分化 #转录组学 #arXiv预印本

跨平台中文攻击性评论检测新方法

近日，一篇题为《Cross-Platform Chinese Offensive Comment Detection via Dual-Threshold Hard Example Mining》的研究论文在arXiv上公开。该研究由Ruixing Ren等人完成，针对跨平台中文攻击性评论检测中难样本识别困难的问题，提出了一种双阈值难例挖掘方法。研究通过设置双重阈值，有效筛选出分类边界附近的困难样本，并加以重点训练，从而提升模型在不同平台上的泛化能力与检测准确率。该方法在多个中文平台数据集上取得良好效果，为网络内容安全治理提供了新的技术思路。 #跨平台 #中文 #攻击性评论 #难例挖掘 #双阈值 #内容安全 #自然语言处理

Narrative-UFET: 面向超细粒度实体类型识别的叙事生成方法

近日，一篇题为《Narrative-UFET: Narrative Generation for Ultra-Fine Entity Typing》的论文提交至arXiv预印本平台。该研究由Mreedul Gupta等五位作者共同完成，提出了一种通过生成叙事文本来辅助超细粒度实体类型识别（Ultra-Fine Entity Typing）的新方法。传统细粒度实体分类在上下文稀疏时性能受限，Narrative-UFET利用大语言模型自动生成针对性的叙事描述，从而丰富上下文信息，提升分类准确率。论文于2026年6月25日发布，提供了HTML和PDF版本，并附有相关代码与数据链接。这一工作为实体类型识别领域提供了新的生成式解决方案，有望在信息抽取、知识图谱构建等下游任务中发挥重要作用。 #NarrativeUFET #实体类型识别 #叙事生成 #自然语言处理 #AI #arXiv #信息抽取

消除病态捷径

近日，一篇发表于arXiv的论文提出了一种用于大型视觉语言模型（LVLM）的因果解码框架，旨在消除模型推理中常见的“病态捷径”问题。研究人员发现，LVLM在视觉问答等任务中往往过度依赖语言偏见或统计伪相关，导致解码结果不够忠实。该框架通过因果干预和反事实推理，系统性地识别并阻断这些不正确的因果路径，从而促使模型真正关注视觉-语言联合特征。实验表明，该框架在多个基准数据集上显著提升了LVLM的解码忠实度和可解释性，为构建更可靠的视觉-语言系统提供了新思路。 #LVLM #因果框架 #病态捷径 #人工智能 #视觉语言模型 #忠实解码 #论文 #AI安全

CoIn: 高斯溅射引导的2D

来自 arXiv 的最新论文《CoIn: Comprehensive 2D-3D Inpainting with Gaussian Splatting Guidance》由 Hana Kim 等三位作者提出。该方法首次将高斯溅射（Gaussian Splatting）作为几何引导，实现了对二维图像和三维场景的联合修复。传统修复技术往往分别处理2D或3D数据，而 CoIn 通过统一框架解决了跨维度信息缺失的难题：利用高斯溅射的显式几何表示，在修复过程中保持三维空间一致性，同时优化二维纹理细节。实验表明，该方法在多种复杂场景下的修复效果显著优于现有基准，尤其适用于从稀疏视角恢复完整三维模型。该研究将为虚拟现实、影视后期和文化遗产数字化等领域提供更高效的技术方案。 #计算机视觉 #图像修复 #高斯溅射 #3D重建 #深度学习 #arXiv #论文 #虚拟现实

SceneBot：基于接触提示的通用人形机器人全身追踪与场景交互研究

来自Sirui Chen等五位研究者近日在arXiv上提交了题为《SceneBot: Contact-Prompted General Humanoid Whole Body Tracking with Scene-Interaction》的论文预印本。该研究提出了一种新型框架，利用接触点提示（contact prompts）实现人形机器人全身运动的高精度追踪，并能够与复杂环境进行交互。通过融合视觉与触觉信息，SceneBot旨在提升机器人在多变场景中的适应能力和操作流畅性，为通用人形机器人的动态控制与场景理解提供了新思路。 #人形机器人 #全身追踪 #场景交互 #接触提示 #机器人控制 #arXiv #人工智能

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

分布式深度多实例学习助力非小细胞肺癌肿瘤比例评分

来自波兰的研究团队在arXiv预印本平台提交了一项最新研究，提出了一种基于分布的深度多实例学习方法，用于非小细胞肺癌（NSCLC）的肿瘤比例评分（TPS）。肿瘤比例评分是评估PD-L1表达水平、指导免疫治疗的关键指标，传统人工评分主观性强且耗时。新方法通过深度多实例学习框架，结合分布建模，能够更准确地从病理切片中自动计算肿瘤细胞阳性比例。实验表明，该方法在多个数据集上优于现有基线，有望提升临床病理诊断的标准化与效率，为精准医疗提供技术支持。 #AI #深度学习 #医学影像 #NSCLC #肿瘤评分 #病理学 #多实例学习 #精准医疗

共享嵌入序列模型新研究

据arXiv平台最新论文信息，研究人员Dewank Pant等人提交了一篇题为《论共享嵌入序列模型中指令与数据的不可分性》的论文。该研究聚焦于共享嵌入序列模型中指令与数据在表示层难以分离的问题，指出这类模型在处理输入时，指令与数据共享同一嵌入空间，导致两者在语义和结构上交织，无法被清晰划分。这一发现对理解模型的内部工作机制、安全性和可控性具有重要意义。论文于2026年6月25日上传，目前可通过arXiv获取全文，供学术界深入讨论。 #AI #机器学习 #序列模型 #嵌入 #论文 #arXiv #共享嵌入 #模型安全 #深度学习

多模态图神经网络基准测试助力社交媒体流行度预测

近日，一篇题为《多模态图社交媒体流行度预测基准测试》的学术论文在arXiv平台发布。该研究由Utkarsh Sahu等六位学者合作完成，系统性地提出了一个基于多模态图神经网络的社交媒体内容流行度预测框架。研究团队整合了文本、图像、用户社交关系等多模态信息，构建了统一的图结构数据，并对当前主流预测模型进行了全面比较与评估。该基准测试不仅验证了多模态融合在提升预测准确性方面的显著优势，还揭示了不同模态数据在模型中的贡献差异。这项成果为社交媒体分析、内容推荐及数字营销等领域提供了新的技术参考与评估标准。 #多模态 #图神经网络 #社交媒体 #流行度预测 #基准测试 #arXiv #AI

Context-Ready Transformer 论文提交 arXiv，聚焦上下文感知模型

一篇题为《The Context-Ready Transformer》的学术论文于2026年6月25日提交至 arXiv 预印本平台，作者为 Mahesh Godavarti。该论文专注于 Transformer 模型在上下文理解与处理方面的改进，旨在提升模型对长距离依赖和动态上下文的适应能力。目前论文处于预印本阶段，相关代码与数据尚未公开，但已提供 PDF 及 HTML 预览。论文的提交标志着在自然语言处理领域对 Transformer 架构的又一探索方向，可能为后续研究提供新思路。arXiv 平台显示了论文的浏览上下文、引用工具及关联数据等学术服务信息。 #Transformer #上下文 #AI #机器学习 #arXiv #预印本 #NLP

大语言模型向视觉学生传授知识

近日，一篇发表于arXiv的论文提出了一种跨模态知识迁移方法，让大语言模型（LLM）作为“教师”，将细粒度的概念知识传授给视觉模型（“学生”）。研究团队通过设计专门的训练范式，使视觉模型能够从语言模型中学习到更丰富的概念层次和语义关联，而不仅仅是图像特征。实验表明，该方法显著提升了视觉模型在细粒度分类、属性识别等任务上的表现，尤其在罕见或抽象概念的理解上取得了突破。这一成果为多模态学习和知识蒸馏提供了新思路，有望推动AI在视觉-语言融合领域的实际应用。 #大语言模型 #跨模态学习 #知识蒸馏 #视觉模型 #AI研究 #细粒度概念 #多模态

新基准DMV-Bench诊断多模态智能体视觉记忆能力

一项来自arXiv的最新研究提出了名为DMV-Bench的基准测试，旨在系统诊断长时程多模态智能体的视觉记忆能力。该方法通过“偶然线索注入”技术，在复杂任务场景中评估AI对视觉信息的长期保留与利用能力。研究团队认为，现有多模态模型在处理需要持续记忆的长时间交互时表现不佳，而DMV-Bench能够精确暴露其记忆瓶颈。该基准测试有望推动智能体在导航、对话等真实场景中的记忆推理改进，为下一代多模态系统的开发提供关键评估工具。 #人工智能 #多模态 #视觉记忆 #基准测试 #AI研究 #arXiv #智能体 #长时程 #推理

新型混合解码策略“推测性精炼”发布，兼顾自回归与扩散优势

一篇来自arXiv的论文提出了一种名为“推测性精炼”（Speculative Refinement）的混合解码策略，该策略融合了自回归模型与扩散模型的优势。研究团队通过在不同基准测试上的实验，系统分析了该方法的性能表现。实验结果表明，“推测性精炼”在生成质量与推理速度之间取得了更好的平衡，尤其适用于长文本生成和复杂推理任务。该工作有望为自然语言处理中的高效解码提供新思路。 #arXiv #机器学习 #解码策略 #AI论文 #自回归模型 #扩散模型 #SpeculativeRefinement

Supersede

一项针对大型语言模型（LLM）代理中“记忆更新差距”问题的研究被提出。研究人员通过诊断性分析，发现现有LLM代理在长期交互中难以有效更新和维持记忆，导致决策一致性下降。为弥补这一差距，作者Vedant Patel提出了一种名为Supersede的训练方法，旨在增强代理对历史信息的动态整合与修正能力。实验表明，该方法在多个基准任务上显著提升了代理的持久记忆性能，为构建更可靠的自主智能体提供了新思路。该论文已在arXiv上预发布。 #LLM #AI代理 #记忆更新 #机器学习 #arXiv

GRAFT：拟南芥基因表达与表型性状预测的生物图与超图基准发布

近日，一篇题为《GRAFT: Biological Graph and Hypergraph Benchmarks for Linked Gene Expression and Phenotypic Trait Prediction in Arabidopsis thaliana》的论文在arXiv平台预印本发布。该研究由Manuel Serna-Aguilera等7位作者共同完成，针对拟南芥的基因表达与表型性状联合预测问题，提出了生物图与超图基准数据集。这些基准旨在为图学习方法和超图学习方法在植物基因组学中的应用提供标准化评估框架。论文提供了完整的PDF、HTML及TeX源码，并附有代码和数据链接，研究社区可便捷访问。该工作有望推动生物网络建模与性状预测领域的基准测试发展。 #拟南芥 #基因表达 #表型预测 #图神经网络 #超图 #植物基因组学 #arXiv #生物信息学 #基准测试 #机器学习

变换感知解耦

来自arXiv的一篇最新论文提出了“变换感知解耦”方法，旨在解决3D场景图生成中视角变化导致的关系预测不稳定问题。传统模型在不同视角下对物体间关系的识别差异显著，该研究通过将变换信息与关系特征进行解耦，使模型能够自适应地学习与视角无关的关系表示，从而提升鲁棒性。论文由Jingjun Sun等七位作者完成，于2026年6月提交至预印本平台。该工作有望推动3D场景理解在机器人导航、增强现实等领域的实际应用，为相关研究提供了新思路。 #3D场景图 #视角鲁棒 #变换感知解耦 #计算机视觉 #arXiv #论文 #机器人 #AR

基于可解释量子自编码器的脑部MRI异常检测新方法

研究人员提出了一种基于可解释量子自编码器的脑部MRI异常检测方法，利用压缩驱动技术对脑部磁共振图像进行高效分析与异常识别。该方法通过量子自编码器实现数据压缩，同时保持模型的可解释性，从而在检测脑部病变等异常区域时兼具准确性与透明度。该研究已提交至arXiv预印本平台，相关论文由Santanu Ganguly等人撰写，展示了量子机器学习在医学影像分析领域的应用潜力，有望为医生提供更可靠的辅助诊断工具。 #量子计算 #脑MRI #异常检测 #自编码器 #可解释AI #医学影像 #arXiv #机器学习 #量子机器学习