编程示例中的固定集鲁棒性
一篇题为《编程示例中的固定集鲁棒性：示例破坏与语义分区恢复》的学术论文已通过arXiv平台发布。该研究由Yuan Si等人完成，主要探讨在编程示例（Programming by Example）场景下，当输入示例受到破坏或干扰时，如何保持系统的鲁棒性。论文提出了一种通过语义分区恢复的方法，旨在应对示例数据中的噪声和错误，从而提升编程示例系统的稳定性和准确性。该研究对于理解机器学习中示例数据的脆弱性以及设计更可靠的自动化编程工具具有重要意义。论文全文可通过arXiv获取，并支持HTML、TeX源码等多种查看方式。 #编程示例 #鲁棒性 #语义分区 #机器学习 #arXiv #学术论文 #计算机科学
一篇题为《编程示例中的固定集鲁棒性：示例破坏与语义分区恢复》的学术论文已通过arXiv平台发布。该研究由Yuan Si等人完成，主要探讨在编程示例（Programming by Example）场景下，当输入示例受到破坏或干扰时，如何保持系统的鲁棒性。论文提出了一种通过语义分区恢复的方法，旨在应对示例数据中的噪声和错误，从而提升编程示例系统的稳定性和准确性。该研究对于理解机器学习中示例数据的脆弱性以及设计更可靠的自动化编程工具具有重要意义。论文全文可通过arXiv获取，并支持HTML、TeX源码等多种查看方式。 #编程示例 #鲁棒性 #语义分区 #机器学习 #arXiv #学术论文 #计算机科学
基于领域知识的时空图卷积网络用于心电图识别研究发布
一篇题为《基于领域知识的时空图卷积网络用于心电图识别》的论文近日在arXiv预印本平台公开。该研究由Wenting Ma等8位作者完成，已被国际会议ICONIP 2024收录，并将发表于Springer LNCS系列丛书。论文提出了一种融合医学领域知识的时空图卷积网络（Temporal-Spatial Graph Convolution Network），通过同时建模心电图信号的时间动态与空间导联关系，并结合临床先验知识，显著提升了心电异常识别的准确率。该方法为心电信号自动分析提供了新的技术路径，有望辅助临床诊断。 #ECG #心电图 #图卷积网络 #时空图 #领域知识 #ICONIP2024 #人工智能 #医疗AI #论文
一篇题为《基于领域知识的时空图卷积网络用于心电图识别》的论文近日在arXiv预印本平台公开。该研究由Wenting Ma等8位作者完成，已被国际会议ICONIP 2024收录，并将发表于Springer LNCS系列丛书。论文提出了一种融合医学领域知识的时空图卷积网络（Temporal-Spatial Graph Convolution Network），通过同时建模心电图信号的时间动态与空间导联关系，并结合临床先验知识，显著提升了心电异常识别的准确率。该方法为心电信号自动分析提供了新的技术路径，有望辅助临床诊断。 #ECG #心电图 #图卷积网络 #时空图 #领域知识 #ICONIP2024 #人工智能 #医疗AI #论文
黑盒推断LLM架构属性
一篇题为《Black-Box Inference of LLM Architectural Properties with Restrictive API Access》的论文引发关注。研究团队提出一种方法，仅通过受限的API访问（如仅能获取文本输出），即可推断出大语言模型的内部架构属性，包括层数、隐藏维度、注意力头数等关键参数。该方法利用模型输出中的统计特征与计算模式，无需访问模型权重或内部状态。这一发现对AI安全与透明度具有重要意义：一方面，它可能帮助用户验证模型声称的架构；另一方面，也暴露了模型供应商面临的信息泄露风险。研究已在arXiv上发布，并提供了完整论文与代码链接。 #LLM #AI安全 #模型逆向 #黑盒推断 #arXiv #人工智能 #大模型
一篇题为《Black-Box Inference of LLM Architectural Properties with Restrictive API Access》的论文引发关注。研究团队提出一种方法，仅通过受限的API访问（如仅能获取文本输出），即可推断出大语言模型的内部架构属性，包括层数、隐藏维度、注意力头数等关键参数。该方法利用模型输出中的统计特征与计算模式，无需访问模型权重或内部状态。这一发现对AI安全与透明度具有重要意义：一方面，它可能帮助用户验证模型声称的架构；另一方面，也暴露了模型供应商面临的信息泄露风险。研究已在arXiv上发布，并提供了完整论文与代码链接。 #LLM #AI安全 #模型逆向 #黑盒推断 #arXiv #人工智能 #大模型
Transformer 如何编码电子健康记录中的数值
一篇题为《How Should Transformers Encode Numeric Values in Electronic Health Records?》的学术论文在 arXiv 上发布。该研究聚焦于 Transformer 模型在处理电子健康记录（EHR）时，如何有效编码其中的数值型数据。数值编码方式直接影响模型对患者生命体征、实验室检查结果等关键信息的理解与预测能力。论文系统比较了多种编码策略（如直接输入、分箱、归一化、位置编码等），并评估了不同方法在临床预测任务中的表现。研究旨在为医疗 AI 领域提供数值编码的最佳实践，提升 Transformer 在 EHR 数据上的建模效果与可解释性。 #Transformer #电子健康记录 #数值编码 #AI #医疗 #论文 #arXiv #深度学习
一篇题为《How Should Transformers Encode Numeric Values in Electronic Health Records?》的学术论文在 arXiv 上发布。该研究聚焦于 Transformer 模型在处理电子健康记录（EHR）时，如何有效编码其中的数值型数据。数值编码方式直接影响模型对患者生命体征、实验室检查结果等关键信息的理解与预测能力。论文系统比较了多种编码策略（如直接输入、分箱、归一化、位置编码等），并评估了不同方法在临床预测任务中的表现。研究旨在为医疗 AI 领域提供数值编码的最佳实践，提升 Transformer 在 EHR 数据上的建模效果与可解释性。 #Transformer #电子健康记录 #数值编码 #AI #医疗 #论文 #arXiv #深度学习
NeuroBridge：融合多任务MRI知识诊断神经退行性疾病
近日，一篇题为《NeuroBridge: Bridging Multi-Task MRI Knowledge for Neurodegenerative Disease Diagnosis》的论文由Mengyu Li等人提交至arXiv预印本平台。该研究提出了一种名为NeuroBridge的框架，旨在通过多任务磁共振成像（MRI）知识融合，提升对阿尔茨海默病等神经退行性疾病的诊断准确性。传统单一模态MRI难以全面捕捉病变特征，而NeuroBridge通过多任务学习整合不同MRI序列的互补信息，增强了模型对脑结构异常的表征能力。实验结果显示，该方法在多个公开数据集上取得了更优的诊断性能，有望为临床早期筛查和精准诊断提供新的辅助工具。 #NeuroBridge #多任务学习 #MRI #神经退行性疾病 #医学影像 #人工智能 #arXiv #诊断 #深度学习
近日，一篇题为《NeuroBridge: Bridging Multi-Task MRI Knowledge for Neurodegenerative Disease Diagnosis》的论文由Mengyu Li等人提交至arXiv预印本平台。该研究提出了一种名为NeuroBridge的框架，旨在通过多任务磁共振成像（MRI）知识融合，提升对阿尔茨海默病等神经退行性疾病的诊断准确性。传统单一模态MRI难以全面捕捉病变特征，而NeuroBridge通过多任务学习整合不同MRI序列的互补信息，增强了模型对脑结构异常的表征能力。实验结果显示，该方法在多个公开数据集上取得了更优的诊断性能，有望为临床早期筛查和精准诊断提供新的辅助工具。 #NeuroBridge #多任务学习 #MRI #神经退行性疾病 #医学影像 #人工智能 #arXiv #诊断 #深度学习
编码智能体强化学习中的推出基础设施税
一篇题为《The Rollout Infrastructure Tax in Coding-Agent Reinforcement Learning》的学术论文近日在arXiv上发布。该论文由Daniel Graviet等四位作者共同撰写，提交于2026年7月1日。研究聚焦于编码智能体在强化学习训练过程中，因频繁执行“推出”（rollout）策略而产生的隐性计算与基础设施成本，作者将其定义为“推出基础设施税”。论文通过理论分析与实验验证，揭示了这一成本对训练效率、资源分配及模型收敛速度的显著影响，并提出了相应的优化方向。该工作为理解编码智能体强化学习的实际部署瓶颈提供了新视角，有助于推动更高效的训练框架设计。 #强化学习 #编码智能体 #AI #机器学习 #论文 #arXiv #基础设施税 #计算成本 #算法优化
一篇题为《The Rollout Infrastructure Tax in Coding-Agent Reinforcement Learning》的学术论文近日在arXiv上发布。该论文由Daniel Graviet等四位作者共同撰写，提交于2026年7月1日。研究聚焦于编码智能体在强化学习训练过程中，因频繁执行“推出”（rollout）策略而产生的隐性计算与基础设施成本，作者将其定义为“推出基础设施税”。论文通过理论分析与实验验证，揭示了这一成本对训练效率、资源分配及模型收敛速度的显著影响，并提出了相应的优化方向。该工作为理解编码智能体强化学习的实际部署瓶颈提供了新视角，有助于推动更高效的训练框架设计。 #强化学习 #编码智能体 #AI #机器学习 #论文 #arXiv #基础设施税 #计算成本 #算法优化
剪枝混合专家模型在生物医学领域的实用性与事实可靠性研究
来自arXiv的一篇论文由Atsuki Yamaguchi等四位作者撰写，系统评估了剪枝后的混合专家模型（MoE）在生物医学领域的实用性和事实可靠性。研究指出，虽然MoE模型通过稀疏激活显著降低了推理成本，但剪枝操作可能破坏专家网络的协同能力，尤其在涉及专业医学知识的事实性问答和证据检索时，出现事实错误的风险上升。实验基于多个生物医学基准数据集，对比了不同剪枝率下模型的准确率、推理速度和事实一致性。结果表明，适度剪枝可在保持大部分性能的同时提升效率，但过度剪枝会导致可靠性显著下降。该研究为在计算资源受限环境下部署可信赖的医学领域大模型提供了重要指导。 #AI #混合专家模型 #生物医学 #模型剪枝 #事实可靠性 #arXiv #大模型
来自arXiv的一篇论文由Atsuki Yamaguchi等四位作者撰写，系统评估了剪枝后的混合专家模型（MoE）在生物医学领域的实用性和事实可靠性。研究指出，虽然MoE模型通过稀疏激活显著降低了推理成本，但剪枝操作可能破坏专家网络的协同能力，尤其在涉及专业医学知识的事实性问答和证据检索时，出现事实错误的风险上升。实验基于多个生物医学基准数据集，对比了不同剪枝率下模型的准确率、推理速度和事实一致性。结果表明，适度剪枝可在保持大部分性能的同时提升效率，但过度剪枝会导致可靠性显著下降。该研究为在计算资源受限环境下部署可信赖的医学领域大模型提供了重要指导。 #AI #混合专家模型 #生物医学 #模型剪枝 #事实可靠性 #arXiv #大模型
模型合并作为微调参数空间中的概率推断
一篇题为《Model Merging as Probabilistic Inference in Fine-Tuning Parameter Space》的学术论文近日在arXiv预印本平台发布。该研究由Long Minh Bui等六位作者共同完成，提出将模型合并问题重新定义为微调参数空间中的概率推断过程。传统模型合并通常依赖加权平均或线性插值，而该工作引入概率框架，通过建模参数分布的不确定性来更有效地融合多个微调模型的知识。实验表明，该方法在多个自然语言处理任务上优于现有合并策略，为多任务学习与模型集成提供了新的理论视角。论文已提供HTML和TeX源码供研究者复现。 #模型合并 #概率推断 #微调 #机器学习 #AI #arXiv #自然语言处理 #多任务学习
一篇题为《Model Merging as Probabilistic Inference in Fine-Tuning Parameter Space》的学术论文近日在arXiv预印本平台发布。该研究由Long Minh Bui等六位作者共同完成，提出将模型合并问题重新定义为微调参数空间中的概率推断过程。传统模型合并通常依赖加权平均或线性插值，而该工作引入概率框架，通过建模参数分布的不确定性来更有效地融合多个微调模型的知识。实验表明，该方法在多个自然语言处理任务上优于现有合并策略，为多任务学习与模型集成提供了新的理论视角。论文已提供HTML和TeX源码供研究者复现。 #模型合并 #概率推断 #微调 #机器学习 #AI #arXiv #自然语言处理 #多任务学习
Geometry-Aware R-Structured Kolmogorov-Arnold Networks 论文提交至 arXiv
一篇题为《Geometry-Aware R-Structured Kolmogorov-Arnold Networks》的研究论文于2026年7月1日提交至arXiv预印本平台。作者Sergei Kucherenko等人提出了一种新型神经网络架构，将几何感知与R结构引入Kolmogorov-Arnold网络（KAN），旨在提升模型对几何结构数据的处理能力。该研究可能对几何深度学习、流形学习等领域产生积极影响，目前论文全文已开放访问。 #论文 #arXiv #KAN #神经网络 #几何深度学习 #AI #机器学习 #2026
一篇题为《Geometry-Aware R-Structured Kolmogorov-Arnold Networks》的研究论文于2026年7月1日提交至arXiv预印本平台。作者Sergei Kucherenko等人提出了一种新型神经网络架构，将几何感知与R结构引入Kolmogorov-Arnold网络（KAN），旨在提升模型对几何结构数据的处理能力。该研究可能对几何深度学习、流形学习等领域产生积极影响，目前论文全文已开放访问。 #论文 #arXiv #KAN #神经网络 #几何深度学习 #AI #机器学习 #2026
WARP
一篇题为《WARP: Weight-Space Analysis for Recovering Training Data Portfolios》的学术论文近日在arXiv上发布。该研究由Tzu-Heng Huang、Aditya Goyal、John Cooper和Frederic Sala共同完成，提出了一种名为WARP的新方法，旨在从训练好的模型权重中逆向分析并恢复其训练数据的组成结构。该方法通过分析权重空间中的特征，能够推断出模型在训练过程中使用了哪些数据子集及其比例，对于理解模型行为、检测数据泄露以及评估训练数据合规性具有重要意义。论文目前以PDF和HTML格式开放获取，并提供了相关代码和数据链接。 #机器学习 #权重空间分析 #训练数据恢复 #arXiv #论文 #AI安全 #数据合规
一篇题为《WARP: Weight-Space Analysis for Recovering Training Data Portfolios》的学术论文近日在arXiv上发布。该研究由Tzu-Heng Huang、Aditya Goyal、John Cooper和Frederic Sala共同完成，提出了一种名为WARP的新方法，旨在从训练好的模型权重中逆向分析并恢复其训练数据的组成结构。该方法通过分析权重空间中的特征，能够推断出模型在训练过程中使用了哪些数据子集及其比例，对于理解模型行为、检测数据泄露以及评估训练数据合规性具有重要意义。论文目前以PDF和HTML格式开放获取，并提供了相关代码和数据链接。 #机器学习 #权重空间分析 #训练数据恢复 #arXiv #论文 #AI安全 #数据合规
Token Geometry 论文在 arXiv 预印本平台提交
近日，一篇题为 "Token Geometry" 的学术论文在 arXiv 预印本平台提交。该论文由研究人员 Kathan Shah 撰写，提交时间为 2026 年 7 月 1 日。论文目前以 PDF 格式公开，并提供了 HTML 版本及 TeX 源码。arXiv 作为重要的学术预印本平台，该论文的发布可能涉及自然语言处理或机器学习领域中 token 表示与几何结构的研究，但具体内容尚未披露。论文当前浏览上下文为计算机科学（cs）领域，并已关联 Google Scholar、Semantic Scholar 等学术检索工具。arXivLabs 项目也对该论文提供了社区协作支持。 #arXiv #TokenGeometry #KathanShah #预印本 #学术论文 #自然语言处理 #机器学习
近日，一篇题为 "Token Geometry" 的学术论文在 arXiv 预印本平台提交。该论文由研究人员 Kathan Shah 撰写，提交时间为 2026 年 7 月 1 日。论文目前以 PDF 格式公开，并提供了 HTML 版本及 TeX 源码。arXiv 作为重要的学术预印本平台，该论文的发布可能涉及自然语言处理或机器学习领域中 token 表示与几何结构的研究，但具体内容尚未披露。论文当前浏览上下文为计算机科学（cs）领域，并已关联 Google Scholar、Semantic Scholar 等学术检索工具。arXivLabs 项目也对该论文提供了社区协作支持。 #arXiv #TokenGeometry #KathanShah #预印本 #学术论文 #自然语言处理 #机器学习