The University of Texas at Arlington

mRNA基础模型通常把整条转录本的词元嵌入做全局平均，再训练线性探针，短调控区的信号因此被长区域稀释。一种不增加参数的区域感知读出改为在5′UTR、编码序列和3′UTR内分别取均值再拼接，在20个冻结模型上使翻译与稳定性任务的Pearson相关平均提高11–25%，且没有任何模型在回归任务上显著变差。分类任务的AUPRC变化为−3%到+11%。

mRNA基础模型通常把整条转录本的词元嵌入做全局平均，再训练线性探针，短调控区的信号因此被长区域稀释。一种不增加参数的区域感知读出改为在5′UTR、编码序列和3′UTR内分别取均值再拼接，在20个冻结模型上使翻译与稳定性任务的Pearson相关平均提高11–25%，且没有任何模型在回归任务上显著变差。分类任务的AUPRC变化为−3%到+11%。

医学视觉语言模型在权威口吻的提示下会改口附和，而提示词层面的防御即使把答案纠正回来，内部对图像证据的利用仍在后段融合层塌陷。HD-AS 不改参数，先用中性提示与偏置提示之间的激活漂移挑出与附和相关的注意力头，再在推理时对这些头的输出投影做各向同性阻尼。在 SLAKE 上，Qwen2.5-VL-7B 的平均条件翻转率降到34.60%，低于对比解码的38.29%，中性提示准确率保持在74.37%。

医学视觉语言模型在权威口吻的提示下会改口附和，而提示词层面的防御即使把答案纠正回来，内部对图像证据的利用仍在后段融合层塌陷。HD-AS 不改参数，先用中性提示与偏置提示之间的激活漂移挑出与附和相关的注意力头，再在推理时对这些头的输出投影做各向同性阻尼。在 SLAKE 上，Qwen2.5-VL-7B 的平均条件翻转率降到34.60%，低于对比解码的38.29%，中性提示准确率保持在74.37%。