High-accuracy and dimension-free sampling with diffusions
高精度和无维度的扩散采样
机构 * UC Berkeley(伯克利大学) ; Harvard University(哈佛大学)
AI总结 本文提出了一种基于低次近似与插值方法的扩散模型求解器,实现了高精度采样且不依赖环境维度。
高校专区
高精度和无维度的扩散采样
机构 * UC Berkeley(伯克利大学) ; Harvard University(哈佛大学)
AI总结 本文提出了一种基于低次近似与插值方法的扩散模型求解器,实现了高精度采样且不依赖环境维度。
SIN-Bench:在长上下文多模态科学交织文献中追踪原生证据链
机构 * Tsinghua University(清华大学) ; Shanghai AI Laboratory(上海人工智能实验室) ; KuaiShou Inc.(快手公司) ; Stanford University(斯坦福大学) ; Harvard University(哈佛大学)
AI总结 SIN-Bench 通过构建科学交织语料库和四个逐步任务,评估多模态模型在长上下文科学文献中追踪证据链的能力,揭示接地是主要瓶颈。
自适应标签错误检测:一种用于误标数据检测的贝叶斯方法
机构 * Department of Biomedical Engineering, Johns Hopkins University(约翰霍普金斯大学生物医学工程系) ; Systems, Synthetic, and Quantitative Biology Program, Harvard University(哈佛大学系统、合成与定量生物学项目) ; Yale School of Medicine(耶鲁医学院) ; Department of Biostatistics, Johns Hopkins Bloomberg School of Public Health(约翰霍普金斯大学布卢姆伯格公共卫生学院生物统计学系) ; Department of Computer Science, Johns Hopkins University(约翰霍普金斯大学计算机科学系) ; Department of Radiology and Radiological Science, Johns Hopkins University School of Medicine(约翰霍普金斯大学医学院放射学与放射科学系) ; Malone Center for Engineering in Healthcare, The Whiting School of Engineering, Johns Hopkins University(约翰霍普金斯大学医疗工程中心,工程学院)
AI总结 本文提出ALED方法,通过深度卷积神经网络提取特征并利用高斯分布建模,实现对误标数据的高效检测,实验显示其在医学影像数据集上显著提升检测灵敏度。
Comments 10 pages, 5 figures