跳到主要内容
检索

Queen's University Belfast

4 篇关联报道

订阅更新
  1. bioRxiv

    DNA-LLM2Vec把因果DNA解码器改成双向编码器:冻结探针下,增益随任务与骨干而变

    DNA-LLM2Vec把已预训练的因果DNA解码器分阶段改造成冻结的双向编码器:先打开双向上下文,再用掩码下一词预测修补由此产生的不匹配,最后加入编码链不变性与位置不变性的对比视图。在DNAGPT与HyenaDNA两个骨干、七个生物任务族上,收益并非一致,而是取决于任务结构与骨干;裁剪对比学习对增强子—启动子互作和Virus-COVID这类长上下文任务帮助最大,冻结Avg-EPI MCC分别达到27.5%和26.7%。

  2. arXiv

    检索模型改做单次决策:保留检索先验的头在少标注时更稳,交叉头在完整数据上更准

    生物医学检索句编码器可以直接改造成一次前向就输出可阈值概率的定型决策模型,交叉头在已见任务上达到66–73分,接近三倍体量的Laya-large微调后的75.0分。

  3. arXiv

    作者提出按工作单元分配AI参与与保证的形式化框架,并在17单元机翼梁工作流中执行:AI生成CAD一次通过23项确定性检查,应力条款因收敛证据不足被判ADJUDICATE

    本文提出一个形式化框架,为工程工作流的每个工作单元记录需求、经批准的操作形式化、参与与保证机制、回退、证据义务与就绪状态,区分确定性验证、统计校准准入、人工判断与裁定、保留确定性工具路径及不参与等不同保证类型;作者在一个17单元机翼梁结构分析工作流中执行该框架,AI生成的CAD程序一次通过全部23项确定性检查,而应力条款因预先声明的网格收敛证据不足未获PASS,转由工程判断裁定。

  4. 综述梳理近似计算高层次综合:围绕误差估计、近似技术与设计空间探索组织最新方法并指出研究空白

    该综述针对近似计算高层次综合(AHLS)领域缺乏系统性综述与最新方法深入分析的问题,汇总了该领域的最新技术,重点覆盖误差估计、近似技术和设计空间探索(DSE)三个方面,并分析了当前的研究空白,旨在为研究者、工程师和学者提供AHLS的理论与实践框架。

已读完全部报道