Hokkaido University

双曲空间适合嵌入层级数据，但此前的双曲高斯过程隐变量模型要为每个核矩阵元素做数值积分，还要联合优化辅助变量，规模一大就难以训练。RHFF-LVM 改用 Helgason–Fourier 变换导出的显式有限维随机特征来近似双曲核，把观测建模为隐变量的特征投影，从而去掉数值求积、变分下界和诱导点。在合成二叉树上，它的嵌入距离与真实树路径长度的 Spearman 相关为 84.3，高于欧氏对照 RFF-LVM 的 74.9 和最强双曲基线 Poincaré Map 的 82.4。

双曲空间适合嵌入层级数据，但此前的双曲高斯过程隐变量模型要为每个核矩阵元素做数值积分，还要联合优化辅助变量，规模一大就难以训练。RHFF-LVM 改用 Helgason–Fourier 变换导出的显式有限维随机特征来近似双曲核，把观测建模为隐变量的特征投影，从而去掉数值求积、变分下界和诱导点。在合成二叉树上，它的嵌入距离与真实树路径长度的 Spearman 相关为 84.3，高于欧氏对照 RFF-LVM 的 74.9 和最强双曲基线 Poincaré Map 的 82.4。

医学影像基础模型长期在“通用”与“像素级精确”之间取舍，且多数只输出结论、不交代依据。EVLF-FM 把疾病级与像素级两路视觉特征同时送入语言模型，先做监督微调，再用带可验证奖励的强化学习对齐推理与定位，覆盖皮肤科、肝病、眼科、病理、呼吸与放射六个专科、10 种成像模态。内部诊断验证中其平均准确率 0.895，为所比模型中最高；在 9 种模态的医学视觉定位上平均 Acc@0.5 为 0.842。

医学影像基础模型长期在“通用”与“像素级精确”之间取舍，且多数只输出结论、不交代依据。EVLF-FM 把疾病级与像素级两路视觉特征同时送入语言模型，先做监督微调，再用带可验证奖励的强化学习对齐推理与定位，覆盖皮肤科、肝病、眼科、病理、呼吸与放射六个专科、10 种成像模态。内部诊断验证中其平均准确率 0.895，为所比模型中最高；在 9 种模态的医学视觉定位上平均 Acc@0.5 为 0.842。

该工作提出 Dirac 互联神经元素（DINEs），将物理系统建模为微分代数方程（DAE），其代数约束由核表示下的 Dirac 结构给出，从而在数据中同时识别组件之间的互联（作为 Dirac 结构）并学习各组件特性（作为神经网络），使学到的子系统保持未约化形式、可隔离或组合成新系统而无需重新训练，并能处理部分可观测系统。

该工作提出 Dirac 互联神经元素（DINEs），将物理系统建模为微分代数方程（DAE），其代数约束由核表示下的 Dirac 结构给出，从而在数据中同时识别组件之间的互联（作为 Dirac 结构）并学习各组件特性（作为神经网络），使学到的子系统保持未约化形式、可隔离或组合成新系统而无需重新训练，并能处理部分可观测系统。