语言大模型 / LLM

ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration

ToolOrchestra：通过高效模型和工具协同提升智能

Hongjin Su, Shizhe Diao, Ximing Lu, Mingjie Liu, Jiacheng Xu, Xin Dong, Yonggan Fu, Peter Belcak, Hanrong Ye, Hongxu Yin, Yi Dong, Evelina Bakhturina, Tao Yu, Yejin Choi, Jan Kautz, Pavlo Molchanov

机构 * NVIDIA ； University of Hong Kong（香港大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 ToolOrchestra通过高效模型和工具协同提升智能，实现更高效且更有效的工具增强推理系统。

Comments 21 pages, 6 figures

Activator: GLU Activation Function as the Core Component of a Vision Transformer

Activator: GLU激活函数作为视觉变换器的核心组件

Abdullah Nazhat Abdullah, Tarkan Aydin

机构 * Bahcesehir University（巴切塞希尔大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出使用GLU激活函数替代传统MLP和注意力机制，以提高视觉变换器的计算效率和性能。

CAMERA: Multi-Matrix Joint Compression for MoE Models via Micro-Expert Redundancy Analysis

CAMERA：通过微专家冗余分析实现多矩阵联合压缩以优化MoE模型

Yuzhuang Xu, Xu Han, Yuanchi Zhang, Yixuan Wang, Yijun Liu, Shiyu Ji, Qingfu Zhu, Wanxiang Che

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG

AI总结 CAMERA通过微专家冗余分析实现多矩阵联合压缩，提升MoE模型的压缩效率与性能。

Comments Accepted in AAAI 2026

Personalized Image Generation for Recommendations Beyond Catalogs

推荐超越目录的个性化图像生成

Gabriel Patron, Zhiwei Xu, Ishan Kapnadak, Felipe Maia Polo

机构 * University of Michigan（密歇根大学） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 REBECA通过直接学习隐含反馈信号实现高效个性化图像生成，无需微调扩散模型，提升大规模用户群体的个性化效果。

LLaVA-UHD v3: Progressive Visual Compression for Efficient Native-Resolution Encoding in MLLMs

LLaVA-UHD v3：渐进式视觉压缩用于多模态大语言模型中的高效原分辨率编码

Shichu Sun, Yichen Zhang, Haolin Song, Zonghao Guo, Chi Chen, Yidan Zhang, Yuan Yao, Zhiyuan Liu, Maosong Sun

机构 * Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） 纠错

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 LLaVA-UHD v3通过渐进式视觉压缩方法，实现高效原分辨率编码，减少TTFT并提升多模态大语言模型性能。

Photonic systolic array for all-optical matrix-matrix multiplication

光子搏动阵列用于全光矩阵-矩阵乘法

Jungmin Kim, Qingyi Zhou, Zongfu Yu

专题命中 效率与部署 ：large language model(abstract)；language model(abstract)

AI总结 本文提出了一种全光子搏动阵列，用于高效实现全光矩阵-矩阵乘法，通过同频检测和紧凑型芯片上自由形式光学模块设计，实现了高计算密度。

Comments Main 8 pages, 4 figures Supplementary Note S1-2, Supplementary Figures S1-9

Journal ref Laser & Photonics Reviews (2025)

Vision Remember: Recovering Visual Information in Efficient LVLM with Vision Feature Resampling

Vision Remember: 在高效的LVLM中通过视觉特征采样恢复视觉信息

Ze Feng, Jiang-jiang Liu, Sen Yang, Lingyu Xiao, Zhibin Quan, Zhenhua Feng, Wankou Yang, Jingdong Wang

机构 * Southeast University（东南大学） ； Baidu VIS（百度视觉） ； The University of Hong Kong（香港大学） ； Jiangnan University（江南大学） 纠错

专题命中 效率与部署 ：LLM(abstract)；language model(abstract)

AI总结 Vision Remember通过视觉特征采样在高效LVLM中恢复视觉信息，提升效率并优于现有方法。

Continual Error Correction on Low-Resource Devices

低资源设备上的持续错误校正

Kirill Paramonov, Mete Ozay, Aristeidis Mystakidis, Nikolaos Tsalikidis, Dimitrios Sotos, Anastasios Drosou, Dimitrios Tzovaras, Hyunjun Kim, Kiseok Chang, Sangdok Mo, Namwoong Kim, Woojong Yoo, Jijoong Moon, Umberto Michieli

机构 * Samsung Research（三星研究） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种低资源设备上的持续错误校正系统，通过少量样本学习和原型更新实现高效错误校正，适用于图像分类和目标检测任务。

Comments ACM MMSys 2025

NOIR 2.0: Neural Signal Operated Intelligent Robots for Everyday Activities

NOIR 2.0：神经信号操作的智能机器人用于日常活动

Tasha Kim, Yingke Wang, Hanvit Cho, Alex Hodges

机构 * Institute for Computational and Mathematical Engineering（计算与数学工程研究所） ； Department of Computer Science（计算机科学系） ； Department of Mechanical Engineering（机械工程系） 纠错

专题命中 效率与部署 ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 NOIR 2.0通过改进的脑解码算法和少样本学习提升机器人执行日常任务的效率和适应性。

Comments Conference on Robot Learning (CoRL 2024), CoRoboLearn

Data Valuation by Fusing Global and Local Statistical Information

通过融合全局和局部统计信息进行数据估值

Xiaoling Zhou, Ou Wu, Michael K. Ng, Hao Jiang

机构 * Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Renmin University of China（中国人民大学） 纠错

专题命中 效率与部署 ：prompting(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出融合全局和局部统计信息的增强数据估值方法，通过正则化项优化Shapley值估计，并引入动态数据估值技术提升计算效率。

Comments 35 pages, 9 figures

OuroMamba: A Data-Free Quantization Framework for Vision Mamba

OuroMamba：一种无需数据的视觉Mamba量化框架

Akshat Ramachandran, Mingyu Lee, Huan Xu, Souvik Kundu, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel Labs（英特尔实验室） 纠错

专题命中 效率与部署 ：post-training(abstract)；分类 cs.AI

AI总结 OuroMamba提出一种无需数据的视觉Mamba量化方法，通过生成语义丰富的合成数据和混合精度量化技术，实现高效的模型压缩与性能提升。

Comments Accepted to ICCV 2025

Text-Guided Semantic Image Encoder

基于文本的语义图像编码器

Raghuveer Thirukovalluru, Xiaochuang Han, Bhuwan Dhingra, Emily Dinan, Maha Elbayad

机构 * Duke University（杜克大学） ； FAIR at Meta（Meta的FAIR） 纠错

专题命中 效率与部署 ：language model(abstract)

AI总结 本文提出基于文本的语义图像编码器，通过文本指导生成图像表示，提升视觉-语言模型在多个基准测试中的性能，并提高推理效率。

Comments 20 pages, 6 figures

A foundation machine learning potential with polarizable long-range interactions for materials modelling

一种结合极化长程相互作用的机器学习基础模型用于材料建模

Rongzhi Gao, ChiYung Yam, Jianjun Mao, Shuguang Chen, GuanHua Chen, Ziyang Hu

专题命中 效率与部署 ：foundation model(abstract)

AI总结 该研究提出了一种结合极化长程相互作用的机器学习基础模型，用于提升材料建模的精度与效率。

Journal ref Nat. Commun. 16, 10484 (2025)

A Systematic Analysis of Large Language Models with RAG-enabled Dynamic Prompting for Medical Error Detection and Correction

基于RAG动态提示的大型语言模型系统分析：用于医疗错误检测与纠正

Farzad Ahmed, Joniel Augustine Jerome, Meliha Yetisgen, Özlem Uzuner

机构 * George Mason University（乔治·马歇尔大学） ； University of Washington（华盛顿大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；prompting(title,abstract)；LLM(abstract)

AI总结 本文提出基于RAG动态提示的医疗错误检测与纠正方法，通过对比不同提示策略，发现RDP在准确率、召回率和纠错可靠性方面表现更优。

Large Language Models' Complicit Responses to Illicit Instructions across Socio-Legal Contexts

大语言模型在社会法律情境中对非法指令的共谋回应

Xing Wang, Huiyuan Xie, Yiyan Wang, Chaojun Xiao, Huimin Chen, Holli Sargeant, Felix Steffek, Jie Shao, Zhiyuan Liu, Maosong Sun

机构 * Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本研究探讨大语言模型在社会法律情境中对非法指令的共谋回应，揭示其在不同情境下的安全性和易感性问题。

From Text to Multimodality: Exploring the Evolution and Impact of Large Language Models in Medical Practice

从文本到多模态：探索大型语言模型在医疗实践中的演变与影响

Qian Niu, Keyu Chen, Ming Li, Pohsun Feng, Ziqian Bi, Lawrence KQ Yan, Yichao Zhang, Caitlyn Heqi Yin, Cheng Fei, Junyu Liu, Tianyang Wang, Yunze Wang, Silin Chen, Ming Liu, Benji Peng, Xinyuan Song, Ziyuan Qin, Riyang Bao, Zekun Jiang

机构 * Kyoto University（京都大学） ； Georgia Institute of Technology（佐治亚理工学院） ； National Taiwan Normal University（台湾师范大学） ； Indiana University（印第安纳大学） ； Hong Kong University of Science（香港科学大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； University of Liverpool（利物浦大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（Purdue 大学） ； Emory University, Atlanta, GA, USA（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University, Chengdu, China（西京生物大数据中心，四川大学西京医院，成都，中国） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文探讨了多模态大型语言模型在医疗实践中的发展与影响，分析其在医疗影像、临床决策支持等领域的应用及面临的挑战。

Comments 12 pages, 1 figure

Large Language Models and Cognitive Science: A Comprehensive Review of Similarities, Differences, and Challenges

大语言模型与认知科学：对相似性、差异性和挑战的全面综述

Qian Niu, Junyu Liu, Ziqian Bi, Pohsun Feng, Benji Peng, Keyu Chen, Ming Li, Lawrence KQ Yan, Yichao Zhang, Caitlyn Heqi Yin, Cheng Fei, Tianyang Wang, Yunze Wang, Silin Chen, Ming Liu, Ziyuan Qin, Riyang Bao, Xinyuan Song, Zekun Jiang

机构 * Kyoto University（京都大学） ； Indiana University（印第安纳大学） ； National Taiwan Normal University（台湾师范大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Hong Kong University of Science（香港科学大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； University of Liverpool, UK（利物浦大学） ； University of Edinburgh, UK（爱丁堡大学） ； Zhejiang University（浙江大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； West China Biomedical Big Data Center, West China Hospital, Sichuan University（四川大学西昌生物大数据中心、西昌医院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文综述了大语言模型与认知科学的相似性、差异性和挑战，探讨了LLMs在认知领域的应用及改进方法。

Comments 10 pages, 1 figure

Spatio-Temporal Trajectory Foundation Model - Recent Advances and Future Directions

时空轨迹基础模型——近期进展与未来方向

Sean Bin Yang, Ying Sun, Yunyao Cheng, Yan Lin, Kristian Torp, Jilin Hu

机构 * Aalborg University（奥尔堡大学） ； Chongqing University of Posts and Telecomunications（重庆邮电大学） ； East China Normal University（华东师范大学） 纠错

专题命中 领域大模型 ：foundation model(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文探讨了时空轨迹基础模型的最新进展与未来方向，分析了现有方法的优缺点，并提出了提升时空通用智能的研究路径。

Comments This paper has been accepted by CIKM 2025 STIntelligence Workshop

Minimizing Hyperbolic Embedding Distortion with LLM-Guided Hierarchy Restructuring

最小化双曲嵌入扭曲与LLM引导的层次重构

Melika Ayoughi, Pascal Mettes, Paul Groth

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文利用LLM引导重构层次结构，以优化双曲嵌入质量，提升嵌入效果和可解释性。

Journal ref K-CAP2025 Conference

Improving Procedural Skill Explanations via Constrained Generation: A Symbolic-LLM Hybrid Architecture

通过约束生成改进程序技能解释：一种符号-大语言模型混合架构

Rahul Dass, Thomas Bowlin, Zebing Li, Xiao Jin, Ashok Goel

专题命中 领域大模型 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Ivy通过结合符号TMK模型与约束生成层，改进程序技能解释的结构和逻辑性，提升智能辅导系统的教育价值。

KRAL: Knowledge and Reasoning Augmented Learning for LLM-assisted Clinical Antimicrobial Therapy

KRAL: 用于LLM辅助临床抗菌治疗的知识与推理增强学习

Zhe Li, Yehan Qiu, Yujie Chen, Xiang Zhou

机构 * Information Center, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital（信息中心、复杂严重罕见疾病国家重点实验室、北京友谊医院） ； Department of Critical Care Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Peking Union Medical College and Chinese Academy of Medical Sciences（重症医学科、复杂严重罕见疾病国家重点实验室、北京友谊医院、北京友谊医院和中国医学科学院） ； Medical Intensive Care Unit, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Peking Union Medical College and Chinese Academy of Medical Sciences（医疗重症病房、复杂严重罕见疾病国家重点实验室、北京友谊医院、北京友谊医院和中国医学科学院） 纠错

专题命中 领域大模型 ：LLM(title)；large language model(abstract)；language model(abstract)；SFT(abstract)

AI总结 KRAL通过知识与推理增强学习提升LLM在临床抗菌治疗中的诊断能力，以低成本高效方式优化医疗决策支持。

Structured Definitions and Segmentations for Legal Reasoning in LLMs: A Study on Indian Legal Data

结构化定义与分割在大语言模型法律推理中的应用：对印度法律数据的研究

Mann Khatri, Mirza Yusuf, Rajiv Ratn Shah, Ponnurangam Kumaraguru

机构 * Indraprastha Institute of Information Technology（印度普拉斯塔学院信息科技研究所） ； International Institute of Information Technology Hyderabad（国际信息科技研究所（海得拉巴）） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；pretraining(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过结构化定义与分割方法提升大语言模型在法律推理中的性能，实验显示在印度法律数据集上模型性能提升达1.5%-4.36%。

Comments Accepted at BDA 2025 as short paper; This paper is long version

Leveraging AI for Productive and Trustworthy HPC Software: Challenges and Research Directions

利用AI实现高效且可信的HPC软件：挑战与研究方向

Keita Teranishi, Harshitha Menon, William F. Godoy, Prasanna Balaprakash, David Bau, Tal Ben-Nun, Abhinav Bhatele, Franz Franchetti, Michael Franusich, Todd Gamblin, Giorgis Georgakoudis, Tom Goldstein, Arjun Guha, Steven Hahn, Costin Iancu, Zheming Jin, Terry Jones, Tze Meng Low, Het Mankad, Narasinga Rao Miniskar, Mohammad Alaul Haque Monil, Daniel Nichols, Konstantinos Parasyris, Swaroop Pophale, Pedro Valero-Lara, Jeffrey S. Vetter, Samuel Williams, Aaron Young

机构 * Oak Ridge National Laboratory（奥克荷厄斯国家实验室） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeastern University（东北大学） ； University of Maryland（马里兰大学） ； SpiralGen Inc.（SpiralGen公司） 纠错

专题命中 领域大模型 ：large language model(abstract,comments)；language model(abstract,comments)；分类 cs.AI

AI总结 本文探讨了利用AI改进HPC软件的挑战与研究方向，提出通过Ellora和Durban项目推动AI在HPC软件发展中的应用。

Comments 12 pages, 1 Figure, Accepted at "The 1st International Workshop on Foundational Large Language Models Advances for HPC" LLM4HPC to be held in conjunction with ISC High Performance 2025

Journal ref In: Neuwirth, S., Paul, A.K., Weinzierl, T., Carson, E.C. (eds) High Performance Computing. ISC High Performance 2025. Lecture Notes in Computer Science, vol 16091. Springer, Cham

Domain-Grounded Evaluation of LLMs in International Student Knowledge

领域导向的LLM国际学生知识评估

Claudinei Daitx, Haitham Amar

机构 * ApplyBoard Inc（ApplyBoard公司） 纠错

专题命中 领域大模型 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文通过领域导向评估，分析LLM在留学咨询中的准确性与幻觉问题，提供评估协议以提升教育领域LLM的可靠性。

Rule-Based Reinforcement Learning for Document Image Classification with Vision Language Models

基于规则的强化学习用于文档图像分类与视觉语言模型

Michael Jungo, Andreas Fischer

机构 * University of Applied Sciences and Arts Western Switzerland（西瑞士应用艺术大学） ； University of Fribourg（弗里堡大学） 纠错

专题命中 领域大模型 ：language model(title)

AI总结 本文提出基于规则的强化学习方法，用于提升文档图像分类任务的泛化能力，通过不同场景验证其在处理超出分布数据时的优势。

Comments Code available at https://github.com/jungomi/vision-finetune

Journal ref Document Analysis and Recognition - ICDAR 2025 Workshops. pp. 292-309. Cham: Springer Nature Switzerland

AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions

AI4X路线图：人工智能用于科学探索的进步及其未来方向

Stephen G. Dale, Nikita Kazeev, Alastair J. A. Price, Victor Posligua, Stephan Roche, O. Anatole von Lilienfeld, Konstantin S. Novoselov, Xavier Bresson, Gianmarco Mengaldo, Xudong Chen, Terence J. O'Kane, Emily R. Lines, Matthew J. Allen, Amandine E. Debus, Clayton Miller, Jiayu Zhou, Hiroko H. Dodge, David Rousseau, Andrey Ustyuzhanin, Ziyun Yan, Mario Lanza, Fabio Sciarrino, Ryo Yoshida, Zhidong Leong, Teck Leong Tan, Qianxiao Li, Adil Kabylda, Igor Poltavsky, Alexandre Tkatchenko, Sherif Abdulkader Tawfik, Prathami Divakar Kamath, Theo Jaffrelot Inizan, Kristin A. Persson, Bryant Y. Li, Vir Karan, Chenru Duan, Haojun Jia, Qiyuan Zhao, Hiroyuki Hayashi, Atsuto Seko, Isao Tanaka, Omar M. Yaghi, Tim Gould, Bun Chan, Stefan Vuckovic, Tianbo Li, Min Lin, Zehcen Tang, Yang Li, Yong Xu, Amrita Joshi, Xiaonan Wang, Leonard W. T. Ng, Sergei V. Kalinin, Mahshid Ahmadi, Jiyizhe Zhang, Shuyuan Zhang, Alexei Lapkin, Ming Xiao, Zhe Wu, Kedar Hippalgaonkar, Limsoon Wong, Lorenzo Bastonero, Nicola Marzari, Dorye Luis Esteras Cordoba, Andrei Tomut, Alba Quinones Andrade, Jose-Hugo Garcia

专题命中 领域大模型 ：foundation model(abstract)；分类 cs.AI

AI总结 本文提出AI4X路线图，探讨人工智能在科学探索中的应用，强调数据多样性、可转移模型和生成系统的重要性，旨在推动更透明和高效的AI科学发展。

Active Slice Discovery in Large Language Models

大语言模型中的主动切片发现

Minhui Zhang, Prahar Ijner, Yoav Wald, Elliot Creager

机构 * University of Waterloo（多伦多大学） ； New York University（纽约大学） 纠错

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出主动切片发现方法，通过主动学习算法有效识别大语言模型中的错误切片，提升毒性分类的准确性。

Comments Accepted for presentation at NeurIPS 2025 - Reliable ML Workshop

Narratives to Numbers: Large Language Models and Economic Policy Uncertainty

叙事与数字：大型语言模型与经济政策不确定性

Ethan Hartley

专题命中 知识编辑与模型理解 ：large language model(title,abstract)；language model(title,abstract)

AI总结 本研究利用大型语言模型改进经济政策不确定性指数，通过构建新指数展示LLMs在文本测量中的系统性优势。

TS-RAG: Retrieval-Augmented Generation based Time Series Foundation Models are Stronger Zero-Shot Forecaster

TS-RAG：基于时间序列基础模型的检索增强生成模型在零样本预测中更强大

Kanghui Ning, Zijie Pan, Yu Liu, Yushan Jiang, James Yiming Zhang, Kashif Rasul, Anderson Schneider, Lintao Ma, Yuriy Nevmyvaka, Dongjin Song

机构 * School of Computing, University of Connecticut（康奈尔大学计算机学院） ； Department of Machine Learning Research, Morgan Stanley（摩根士丹利机器学习研究部） ； Ant Group（蚂蚁集团） ； TWG Global（TWG全球） 纠错

专题命中 知识编辑与模型理解 ：foundation model(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 TS-RAG通过检索增强生成框架提升时间序列预测的零样本性能和可解释性。

Automated Protein Motif Localization using Concept Activation Vectors in Protein Language Model Embedding Space

利用蛋白质语言模型嵌入空间中的概念激活向量实现蛋白质motif自动定位

Ahmad Shamail, Claire D. McWhite

专题命中 知识编辑与模型理解 ：language model(title,abstract)

AI总结 本文提出利用蛋白质语言模型嵌入空间中的概念激活向量实现蛋白质motif的自动化定位，通过训练线性分类器和计算内积实现高效准确的motif识别。