跳到正文
11月13日周五
  1. arXiv · ML27

    MICCAI 2025 论文提出基于细胞图与图像融合的淋巴瘤分型可解释分类器

    研究提出一种可解释的多示例学习框架,通过融合细胞分布与图像特征实现恶性淋巴瘤分型,在 1,233 张全切片图像数据集上达到最先进精度。 方法采用基于混合专家机制提取每个 patch 的细胞图与图像特征,提供区域级和细胞级解释,与病理医生视角一致。 该框架发表于 MICCAI 2025,旨在提升淋巴瘤分类的准确性与可解释性。

  2. arXiv · ML35

    首个皮电活动基础模型 UME 及数据集 EDAMAME 发布

    研究团队推出首个皮电活动(EDA)基础模型 UME,基于包含 731 名用户、约 23,000 小时数据的 EDAMAME 数据集训练。 UME 作为冻结特征提取器,仅需通用时间序列基础模型 20% 的计算资源,性能即可匹配后者;在下游任务微调后表现进一步提升。 模型权重与代码已开放共享,且性能随预训练数据量增加而提升,揭示了 EDA 信号处理的未来研究方向。

  3. arXiv · ML21

    ART 方法通过强化学习优化扩散模型的时间步调度

    研究提出自适应重参数时间(ART)方法,利用 ART-RL 强化学习策略优化扩散模型采样时的时间步调度。该方法在有限时间步预算下最小化欧拉离散化误差,显著提升了采样效率。在 EDM 流水线中,ART-RL 在 CIFAR-10 等数据集上改善了 FID 分数,且无需重新训练即可迁移至新任务。

  4. arXiv · ML34

    提出MVC-ZigAL框架以强化少步文生多视角扩散

    提出MVC-ZigAL强化学习微调框架,解决少步文生多视角扩散模型在逐视角保真度与跨视角一致性上的质量妥协问题。 该框架包含联合视角奖励的MDP建模、利用自精化采样提升优势学习信号的策略,以及基于拉格朗日对偶约束的多视角优化机制,代码已开源。

  5. arXiv · ML48

    解耦多模态视觉编码:专用视觉容量比预训练先验更关键

    研究通过控制变量框架解耦多模态视觉编码设计,发现从头联合训练的编码器与预训练编码器性能相当,预训练视觉先验并非必要。 即便移除独立编码器并扩大主干网络参数,模型在视觉理解上仍落后;将视觉专用模块融入主干早期层可保持同等性能,并降低首字生成时间。 这些结论在不同主干规模及从预训练语言模型起步的场景下均成立,支持在主干早期部署联合训练的专用视觉容量。

  6. arXiv · ML31

    DIAGNO:用于非均质地球动力学建模的对角球面神经算子

    DIAGNO 提出了对角球面神经算子,通过显式参数化跨模态交互核来保留地球动力学的固有非均质性,在流体动力学及真实地球系统再分析数据集的多步预测中持续取得 SOTA 性能。 模型利用球面频谱的独特对角结构设计了带间与带内交互机制,原生捕获纬向与经向动力学规律。 该工作验证了其在气候异常捕获和物理一致性方面的分析价值,已被 NeurIPS 2026 主会接收为 Oral 报告。

  7. arXiv · ML23

    CBRL 联合对比与自蒸馏信号提升低标签农业图像分类性能

    CBRL 方法在 ViT-L/16 骨干和 10% 下游标签条件下,在四个主要农业测试基准中取得了最高的 macro-F1 单点估计。 在 DeepWeeds 数据集上达到 79.77%,比随机初始化基线高 32.29 点;PlantVillage 达 98.14%,PlantDoc 各方法性能均不佳。 该联合形式是标签受限迁移的有前景候选,但研究未确立统计显著优势。

  8. arXiv · ML31

    学习运动-外观耦合先验解决视频逆问题

    论文提出学习运动与帧外观的生成式耦合先验,以解决视频逆问题中的重建。该先验作为插件式正则化器,通过条件扩散模型学习运动诱导的外观残差分布。 该方法作为扩散视频重建的补充,在动态视频逆问题实验中优于光度一致性基线,并可迁移至心脏 MRI 重建。

  9. arXiv · ML30

    MAST:多模态大模型中基于质心锚定子空间引导的视觉定位方法

    MAST框架针对多模态大模型(MLLM)中激活引导方法的跨任务干扰问题,提出了一种无训练、输入自适应的激活引导方案,MAST-PR版本较MAST平均提升8.09分。 该方法通过任务内多中心聚类选取质心,在推理时路由至多个质心并提取低秩局部引导方向,经跨聚类聚合生成最终引导向量。 该框架旨在解决全局激活均值落在簇间空白区域导致的性能不稳定问题。

  10. arXiv · ML32

    预测还是惯性?世界模型的预测评分忽视了什么

    预训练视频世界模型的预测评分混淆了编码器质量、近未来与近期过去的相似性及预测器贡献。 在27,000次家庭第一人称视频未来检索试验中,V-JEPA 2.1的预测器贡献了+0.291的top-1准确率,而V-JEPA 2仅贡献+0.03至+0.04。 作者建议将预测评分与其持续性基线一同报告,该差距是使数字可解释的必要检查。

  11. arXiv · ML48

    聚合准确率掩盖了医疗视觉语言模型的诊断特异性失败

    审计显示5个开源医疗VLM在气胸检测上暴露严重缺陷,聚合准确率掩盖了单病种诊断的完全失败。 HuatuoGPT-Vision和Qwen2.5-VL在气胸病例上检测率为零,而MedGemma检测率为38%,该失败在独立数据集上复现且非由提示词或模型规模导致。 需报告各病种的召回率与特异性,以区分模型是否真正识别了特定医疗发现。

  12. arXiv · ML20

    阿马拉语与豪萨语分词器对比中的粒度、词根分配与词级读出解耦分析

    研究指出分词器对比需解耦粒度、词根分配与词级读出。在阿马拉语实体识别中,真实词根分配提升 F1 达 4.9 点,且词根频率结构解释力有限。 小模型中读出选择可致 F1 波动 13.4 点并反转对比符号,而预训练编码器中该影响小于 1 点。建议分解分词器效应并报告读出方式。

  13. arXiv · ML22

    MS-rPPG:面向驾驶监控系统的多光谱状态空间模型

    研究人员提出 MS-rPPG,一种结合 RGB 与近红外视频的多光谱 rPPG 框架,旨在提升复杂光照和头部运动下的心率估计鲁棒性。 框架采用跨光谱线性调制策略与 MS-Mamba 状态空间模型,捕捉长程时序依赖和跨通道交互。实验在 MS-Drive 和 MR-NIRP Car 数据集上验证了其优于既有方法的心率估计准确性。

  14. arXiv · ML21

    基于漂移机制的数据集蒸馏方法

    该研究提出一种无需分类目标的数据集蒸馏方法,通过在特征提取器的潜空间中“漂移”合成样本,使其既靠近真实数据又相互远离,从而直接近似每类数据分布。 实验表明,该方法生成的漂移数据对真实分布的覆盖度显著优于现有方法,且能作为强大的分类训练样本,并可扩展至图像之外的其他模态。 该方法推动了数据集蒸馏的前沿发展,提供了新颖的合成分数和基于分布的互补评估指标。

  15. arXiv · ML21

    分解式 JEPAs 实现非对称多模态学习

    提出分解式 JEPA(D-JEPA)框架,将隐空间分解为对齐共享核心与私有模态特征,解决信息不对称导致的语义坍缩。 证明对齐冗余界,显示纯对齐目标会抹除私有结构与协同效应。D-JEPA 在组合推理基准上优于基线,恢复正向多模态协同间隙。 通过信息论审计与因果纤维交换干预,证实恢复的信息在私有特征中因果定位。

  16. arXiv · ML24

    DR-Diff 框架通过双重稳健目标校正克服条件扩散模型中的虚假相关性

    提出 DR-Diff 框架,通过函数梯度法构建伪目标,高效微调预训练条件扩散模型以解决训练数据中的虚假相关性。 该框架具备伪双重稳健性,能抵御密度比估计误差和基础模型误设;实验显示其在合成数据集上达到从头训练的噪声预测精度,并缓解分类任务中的组间差异。

  17. arXiv · ML23

    仅用样本校准条件生成模型的覆盖损失方法

    论文提出一种基于期望覆盖概率的可微分损失函数,仅需样本即可校准条件生成模型,无需密度估计或架构修改。 该方法被证明是严格散度,当且仅当模型等于真实后验时消失;在高维成像逆问题中,其校准性能优于评分规则正则化器,点估计重构质量变化不大。

  18. arXiv · ML39

    Curiosity-0826-4B 性能超过 Curiosity-0226-1B

    Curiosity-0826-4B 是新一代生成式医疗事件基础模型,基于 Epic Cosmos 训练。该模型参数量从 1B 升级至 4.3B,上下文窗口从 8K 扩展至 16K,实验室指标预测误差降低 18%-46%。 其儿童队列哮喘诊断 AUROC 达 0.742-0.785,成人死亡率预测 AUROC 0.821-0.942。无需额外训练即可通过零样本策略预测临床事件。

  19. arXiv · ML28

    SpaceMCP:基于模型上下文协议的视觉语言模型空间推理框架

    提出 SpaceMCP 框架,利用前馈 3D 重建与开放词汇分割实时构建场景图,通过 MCP 风格的结构化函数调用增强 VLM 的空间推理能力。 无需训练即在 VSI-Bench、MMSI-Bench 和 VSTI-Bench 上取得 SOTA 结果,较基础 VLM 提升 15-22 分。 该范式为克服原生 VLM 空间推理进展缓慢提供了有前景的路径。

  20. arXiv · ML24

    AION-1 基础模型的天文学机制可解释性研究

    研究首次对天文学基础模型 AION-1 进行因果机制可解释性分析,揭示其多模态红移预测优势主要源于编码器前 12 个 block 中的第一个。 研究发现空间延展性通过单个 attention head 线性解码但可分布式恢复;而尘埃消光由单个 head 主导,移除后优势显著丧失。

  21. arXiv · ML26

    CARMEN:基于十种生理信号预训练的循环呼吸基础模型

    研究团队推出单一编码器基础模型 CARMEN,在 227 万模态小时的十种循环呼吸波形上无监督预训练,覆盖动脉、静脉及呼吸机等信号。 模型支持 10 秒至 5 分钟的任意共记录信号组合,引入 LSCNorm 机制恢复绝对信号水平,使术中低血压检测 AUROC 从 0.780 回升至 0.894。 在 19 项任务中,冻结编码器在 12 项上优于监督模型,并在多数对比中匹敌或超越专用信号基础模型。