Interpretable Perturbation Modeling Through Biomedical Knowledge Graphs
通过生物医学知识图谱进行可解释的扰动建模
机构 * Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出一种基于生物医学知识图谱的可解释扰动建模方法，通过整合多模态嵌入和图注意力网络，提升对药物-细胞对基因表达扰动的预测能力。
高校专区
Massachusetts Institute of Technology（麻省理工学院）
DAVE: A VLM Vision Encoder for Document Understanding and Web Agents
DAVE: 一种用于文档理解与网络代理的视觉编码器
机构 * MIT-IBM Watson AI Lab（MIT-IBM Watson AI实验室） ； UC Berkeley（加州大学伯克利分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 DAVE是一种专为文档理解和网络代理设计的视觉编码器，通过自监督和监督预训练结合模型融合策略，提升对文档和网络任务的适应性与性能。
Optimal Approximation -- Smoothness Tradeoffs for Soft-Max Functions
最优近似——软最大函数的平滑性权衡
机构 * Google Research（谷歌研究） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出分段线性和功率机制，分别在最坏情况加性近似与ℓq-范数平滑度、期望乘法近似与Rényi散度平滑度之间实现最优权衡，适用于机器学习和机制设计领域。
Comments Accepted for spotlight presentation at NeurIPS 2020. The updated version fixes a technical gap in the proof of Theorem 4.4
