Calpha:在通用大语言模型中实现原生生物分子智能
Calpha模型实现了LLM输出单链蛋白质结构的初步目标,基于Qwen3.5-9B读取增强序列并调用SimpleFold结构头。 在FoldBench-334开发集上平均TM-score达0.808,CASP16域为0.635。 蛋白质训练使350项MMLU-Pro子集准确率从77.4%降至70.3%,长链预测表现低于基线。
Calpha模型实现了LLM输出单链蛋白质结构的初步目标,基于Qwen3.5-9B读取增强序列并调用SimpleFold结构头。 在FoldBench-334开发集上平均TM-score达0.808,CASP16域为0.635。 蛋白质训练使350项MMLU-Pro子集准确率从77.4%降至70.3%,长链预测表现低于基线。
研究团队提出轻量级框架 ReAccess,解决视觉语言模型细粒度理解难题。该框架通过紧凑关联记忆复用关键视觉证据,无需重复图像编码或显式推理。实验显示其在通用视觉理解和细粒度感知上均取得一致提升,且推理速度显著快于现有依赖密集型推理的方法。
LLaVA 模型通过集成严重度感知直接偏好优化,在 Object HalBench 上将 CHAIRs 从 53.00 降至 36.00,CHAIRi 从 15.72 降至 10.41。
提出一种结构感知多粒度时空Transformer,整合空间与时间结构先验以优化单目3D姿态估计。 方法包含三级特征提取器、门控自适应空间注意力及关键帧注意力,在精度与效率上优于传统基于Transformer的方法。
研究团队提出 NF-VLA 模型,结合条件自回归归一化流与基于分数的动作细化。在 LIBERO 四个标准套件上成功率达 98.35%,LIBERO-Plus 上达 72.6%。该模型作为竞争性的 VLA 控制方法,确立了自回归流在机器人操作任务中的有效性。
在EmbryoNet数据集上,ResNet50结合SwAV的自监督模型表现最优。线性分类器准确率达86.4%,与全监督模型持平。 标签稀缺时,SwAV模型在5%标签下准确率70.2%,远超从头训练的45.7%。 迁移至未见数据集,SwAV模型达81.3%,优于EmbryoNet的75.9%。
富士山 webcam 长时序列研究揭示可见性预测存在时间尺度层级:季节性气候学提供远期指导,当日 webcam 图像为最强当日观测(AUC 0.95),目标日数值预报承载 1-3 天主要信号。
研究提出 LightAlign 方法,利用少量成对数据实现冻结编码器间的跨模态对齐。在 3D CT 任务中,LightAlign 以 200 个数据对超越 CT-CLIP(0.754 vs 0.733 AUROC),并在 CheXpert 上以约 5% 的数据量达到 0.862 AUROC,显著降低医疗影像分析对标注数据的依赖。
研究团队开发可穿戴系统 AllyAAC,通过 14 名参与者的实地研究构建了首个包含 60 万余条非典型手势的多模态数据集。 该系统采用腕部 IMU 与智能手机应用,利用不同预训练策略的 Transformer 模型解决个性化手势识别挑战。 研究为开发结合无辅助与有辅助 AAC 的自适应个性化系统提供了设计原则及参考实现。
研究提出HalluProbe方法,通过增强并分析视觉语言模型(VLM)解码过程中的幻觉分布一致性来识别后门攻击。 核心依据是受毒化数据训练的VLM会高频幻觉特定目标token,而干净模型的幻觉缺乏稳定偏差。该方法在三个模型上对抗六种代表性VLM后门攻击测试,检测准确率超过90%。 实验结果证明HalluProbe有效检测后门VLM,性能优于现有后门检测技术。
研究构建FlipTest基准测试,评估的11个视频世界模型全部未能准确识别微小变化导致的未来状态翻转。 模型在真实与模拟场景的平均配对准确率仅18.3%,低于25%的随机猜测水平,且在变化与未变化步骤上表现一致。 论文呼吁重新思考世界建模范式,认为下一帧预测需识别控制未来动态的因果状态而非仅生成像素。
研究提出 ImageNet-OOC1k 基准,发现 35 个视觉模型在对象背景语义距离增加时识别准确率呈单调下降。分析显示 Vision Transformer 存在聚合失败现象,空间重排序策略可使样本内准确率提升 5.7 个百分点。该研究确立了上下文敏感性是视觉系统的连续可预测属性。
基于 BRACS 数据集和 4 个病理基础模型(PFM)的研究发现,由于 slide 级标签通常标记为最严重病灶,仅 39% 标注 ADH 的 slide 被正确标记,导致模型在识别非典型导管增生(ADH)时表现最差。
提出共识校准解释图(CCEM),融合三种归因方法,在MAPLES-DR外部队列上达到QWK 0.559。 CCEM利用图像特定权重,在193张标注图像上取得Soft Pointing Game得分69.61%。 无标注逐图可靠性加权使单一地图的证据更受病损支持。
Open-fMIND 发布首个大规模开放获取 fMRI 语料库,基于 322 项 OpenNeuro 研究,涵盖 11,379 名受试者与 45,731 个功能运行序列。
提出免训练框架实现开放词汇3D实例分割,在LERF-OVS和ScanNet上取得SOTA性能,显著提速现有方法。 采用像素级CLIP特征替代掩码级嵌入,利用视频分割器跨视图传播并3D化,无需逐场景训练。
VASR 框架结合 SVG 编码器与预训练视觉语言模型预测家具装配层级,其提出的 RHPO 策略利用修复成本反馈优化决策。 在基于 IKEA 的测试集上,VASR 的 Equivalent-Hard F1 得分比 GPT6-Astra 高出 17.69 个百分点。 该框架在独立家具数据集上也保持了强劲性能。
框架 DecoEdit 将 1D、2D、3D 输入整合为统一架构,解决 3D 空间控制难题。 其构建 DecoDataset 包含 1.6M 样本,并首创 DecoBench 基准。通过解耦管线,利用 SAM-3D 锚定几何结构,实现细节高保真。 在 3D 姿态控制任务上,DecoEdit 的几何准确性与身份一致性显著优于 Seedream 5.0。
在 ImageNet 双次重新标记验证集上,103 个分类器对 1,892 张被 66 个监督模型全错的图像进行筛查,发现其中 61% 存在错误标签,而整体错误率为 11.1%。
论文提出 UNITE 框架,将四个 Qwen3-VL-8B 具身视觉语言专家整合为共享主干混合专家模型,总存储仅 20.3 GB,比未压缩 MoE 节省 59.6%。模型采用共享浮点锚点与专家特定位二值化表征,适配阶段仅更新少于 0.6M 参数。在 22 项基准测试中,UNITE 在扫描理解与导航任务上超越各源专家,最高提升 19.1 分。
解决开放词汇分割中校准风险随词汇扩大失效问题。 提出“候选无关评分”,通过对固定参考库评分保持分数稳定。 在三个基准测试中,应用方法后模型满足目标风险,推理速度提升约六倍。
提出局部违反预期(VOE)评估框架,用于衡量视频世界模型在物理违规发生的具体时空区域内的预测误差差异。 该研究对比了全局、时间局部化和时空局部化评估方法在 V-JEPA 模型上的表现,发现全局聚合可能掩盖局部判别正确性或产生缺乏局部证据的表观判别。 确立了局部 VOE 评估作为评估直觉物理能力的互补诊断工具,证明全局预测误差不一定反映物理违规的时空证据。
提出集成时间标准化、多视角特征提取与联合优化的多任务框架,利用 EchoPrime 基础模型微调实现 LVEF 估算与 LV 功能障碍分类。 方法采用基于注意力的聚合模块融合视图特征,通过 MIMIC-IV-ECHO 平衡采样拓宽 LVEF 分布。
RescueVLM 是一个基于 SketchVLM 构建的开源、免训练、模型无关分诊工具。它在本地运行通用 VLM,通过提示词而非权重存储任务知识,并支持通过下拉菜单切换模型。
提出参数高效适配方法 CARET,保留预训练编码器并通过临床断言感知监督实现零样本图像分类。 在 CheXpert 数据集达到 67.80% 准确率,RSNA 达 65.20%,分别超 CLEFT-LoRA 1.06 和 0.27 个百分点。 消融实验证实四态区分与断言目标为主要性能贡献因素。
提出神经网络引导热启动框架,保持锥形束CT变分重建原始公式不变。 使用FDK算法初始重建并经图像域神经网络精化,仅用于初始化后续基于模型的优化。 在SynthRAD2025数据集上,重建时间减少超三倍,且保持可比的图像质量。
研究团队提出 VibeSyn 系统,通过层级智能体将化学家定义的分子目标转化为自适应决策,驱动计算工具与实验室自动化执行多步合成。 该系统在三次演示中验证了从实验决策到生物碱全合成的能力,其中人类主动输入占比低于 7.5%,简单确认占比低于 5.2%。 这展示了智能体主导的实验室自主导航实验轨迹、实现目标化合物合成的未来潜力。
流式视频模型难以正确执行组合指令,TEMPI 实现 44.4% 指令级成功率。 其通过分解指令为原子事件查询与时间约束,并利用 Scenario Memory 维护任务进度。 在 8GB RTX 5060 上,优化推理管线实现 4.90x 加速。
研究提出 STILL 方法,将场景变化检测重构为地点注册的对象验证,解决 VLM 无法定位物体位置的问题。 STILL 利用 3D 几何注册变化假设的地点,官方 SceneDiff 协议下 obj/sc AP 从 24.0 提升至 37.8,F1 提升超 21 分,运行时间仅增加约 11%。
在 Qwen2.5-VL-7B 上,一种基于 M-RoPE 的 KV-Cache 重用方法支持在 4 倍帧率下对已稀疏采样的视频上下文进行编辑,同时复用幸存片段的缓存以减少预填充 token 和端到端重建延迟。
Brain AI Scientist 提出一种自主多智能体框架,结合患者特异性 fMRI、临床信息、科研证据,通过检索、校验与排序生成可追溯的表型—解剖—生物标志物—机制—干预—验证链条,用于个性化临床决策支持。
研究者提出 ChartSync 基准,用于评估生成式图像编辑模型在结构化统计图表中执行视数逻辑级联编辑(VLCE)的能力。 该基准包含 870 个样本三元组、涵盖 9 种图表类别及 4 种任务类型,并构建了保证确定性地平耦合的编程渲染流水线。 对 14 个模型及 1 条代码管道的测试显示,多数开源模型在几何同步上严重下降,仅两个前沿专有模型展现出初显的 VLCE 能力。
提出包含 211 个任务的基准测试 VisualArtifactSpec 1.0,覆盖 PPT、静态图形、动画、视频及 Web 界面等视觉制品的创建与修改。 该基准将任务满足度与制品表现分步评估,后者占总分的 73.4%。在测试的 9 种模型配置中,综合得分介于 42.12 至 70.52 之间。
InclusionMed 推出开源医疗 AI 评估框架,整合 5 个基准测试 9 类角色与能力组合。 前沿 LLM 在 InclusionMed Index 得分介于 17.5 至 49.1 之间,前十模型在患者沟通上得分均高于临床决策。 该框架旨在推动全球多样化医疗需求参与定义 AI 进展,强调需根据具体场景选择模型。
summary_zh: CivilBench 发布,用于评估视觉语言模型在土木工程中的多模态信息整合能力。 该基准涵盖顺序推理、图像结构理解和开放世界理解三大任务族,覆盖结构损伤评估与修复规划。 CivilBench 发布,用于评估视觉语言模型在土木工程中的多模态信息整合能力。 该基准涵盖顺序推理、图像结构理解和开放世界理解三大任务族,覆盖结构损伤评估与修复规划。
CAMOPD 提出冲突感知多教师在线策略蒸馏框架,解决 VLM 跨游戏泛化中的策略冲突与动作失配。 在 Qwen3.5-4B 上测试,CAMOPD 在 GeoDash 和 Doodle Jump 零样本任务成功率达 86.7% 和 80.0%。 该框架优于提示、权重合并及多任务基线,无需目标游戏数据即可实现知识整合。
研究团队提出信号接地基准 EEGProbe,包含 13 个子任务下的 620 个脑电中心问题,用于评测通用视觉-语言模型在无需特定特征工程下对脑电信号的提取与推理能力。
summary_zh: Spectral Steering 通过结合请求特定的余弦增益预测器与阻尼逆修正,改进了冻结扩散生成器在修改部分输出属性时保留其他属性的能力。
论文针对有界Lipschitz连续源逆深度场,刻画了有限采样下的首次命中深度集合,证明了其可能不连通,并提出了共享场景的充要性检验。 基于标量锥不等式的极线减少方法无需枚举表面,在rectified模型中给出了尖锐最坏情况逆深度直径的理论界,并通过十场景评估区分了求解器正确性与假设失效。
研究表明,视觉输入未使视觉-语言模型(VLM)更诚实,其遵循激励的程度取决于读数是否显式化及输出顺序。 实验涵盖 15,170 次试验,覆盖 Qwen2.5-VL、InternVL3、Gemma 3 等 4 个模型,发现添加文本真值可消除偏差。 该研究揭示了纯文本评测与均值偏移指标的盲点,已提交 IEEE 发表。