加州理工学院等团队训练了一个名为CDE的二维卷积神经网络，把低信噪比的莱曼α积分场光谱数据立方反推为视线积分的气体柱密度图。训练样本来自IllustrisTNG100模拟，经简化的莱曼α辐射转移计算并加入近似KCWI噪声。在模拟测试集上，CDE的线性均方根误差中位数为1.48×1020 cm^-2、图像结构相似度中位数为0.635，均优于逐像素幂律拟合的经验基线；用于CC2.2与Hyperion两个原初星系团的实际KCWI观测时，预测图出现延伸约40角秒以上的纤维状结构，但结果仍以所采用的模拟与辐射转移假设为条件。
泛血管介入研究开始把“可追溯”写进智能体的输出契约：ScienceBuddy-PV 在公开冠脉造影基准 ARCADE 上固定一个共享卷积模型，只评估证据门控与动作审计，门控在狭窄帧上放行 76.7% 的候选，而纯分数比较器放行 100%。锁定测试集上狭窄分割 Dice 为 0.231、AUROC 为 0.957，但像素阳性率仅 0.00975，且参考病灶候选被接受 44.3%、被拒 55.7%。该结果属于图像级技术验证，递归改进与模型学习循环仍是协议而非已执行实验。
该工作提出 RoboCoach，一个由世界模型引导的主动教练框架，其 Route–Imagine–Diagnose–Improve（RIDI）循环让可复用技能专家在共享动作条件世界模型 CoachWorld 中闭环执行，用进度判定器记录首个未完成的子任务，再据此决定采集哪些子任务示范、更新哪些专家适配器；在 LIBERO 与 RoboTwin 两套仿真和 Franka 与 AgileX 两个真机平台上，想象成功率与实机成功率在 22 个任务–策略对上 Spearman 相关为 0.840，每平台仅增加 150 条子任务示范后 Franka 成功率由 13.3% 升至 75.0%、AgileX 由 40.0% 升至 83.8%，并在四个留出组合上取得
已读完全部报道