罕见病面部筛查换了解释方式：ProtoGestalt把判断钉在眉眼鼻颊，匹配对照下准确率0.85
罕见遗传病常在初诊时被漏掉，而现有面部诊断模型多为端到端黑箱，难以说明依据。ProtoGestalt在PIP-Net原型学习上加入面部关键点约束，让每个原型只能从指定的十个解剖区域取证据，预测由这些局部原型相加而成。在按年龄、性别、族裔匹配的对照上，它区分综合征与未患病面孔的准确率为0.85，区域约束版本为0.73；对照数量增加时AUPRC下降但仍高于0.70。
自监督学习不再只认共享内容：给每个样本记录增强强度，坐标就能一一对上
把每个样本的增强强度记录下来并让内容方差随强度变化，自监督学习就能把原本混在一起的内容坐标分开；dSprites 上因子对齐从 0.837 升到 0.932。
LinkedIn与多校团队发现：7B到72B学生模型用更小的冻结模型生成拒答，代码与数学表现反而更好且算力更省
该研究在SODA式两阶段偏好蒸馏流程中固定提示、优选回答、SeqKD初始化、DPO目标与训练预算，只改变拒答来源，发现7B至72B的Qwen2.5学生在代码生成与数学推理上，用参数更少、推理算力更低的冻结Base模型生成拒答，比用学生自身拒答训练出的学生更强，并进一步用线性化特征模型给出有限时域效用界，提出混合来源、提示重分配与词元置换、按参考策略似然重选三类干预。
ModelSEED 生物化学数据库 2026 更新：多源热力学数据的证据分级
该更新将 ModelSEED 生物化学数据库扩展至约 46,000 个化合物、约 56,000 个反应和约 37,000 个代谢结构，把热力学数据从两个来源扩展到四个来源（基团贡献法、eQuilibrator 3.0、dGPredictor 与实验值）并各自保留其不确定度，对约 33,000 个反应按证据强度给出金、银、铜三级评分，同时发布由大语言模型集成给出的反应方向预测，并用新的冲突消解流程记录结构来源间的取舍。
已读完全部报道