高校专区
激活至关重要：基于视觉语言模型的测试时激活负标签用于分布外检测
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Stanford University（斯坦福大学）
AI总结 本文提出测试时激活负标签（TANL）方法，通过动态评估激活水平和测试批次内的激活信息，提升分布外检测的性能和鲁棒性，实验表明其在ImageNet基准上显著降低FPR95。
Comments CVPR 2026 main track, Codes are available at https://github.com/YBZh/OpenOOD-VLM
SMILES-Mamba：用于药物ADMET预测的化学Mamba基础模型
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Stanford University（斯坦福大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 SMILES-Mamba通过自监督预训练和微调策略，利用未标记和标记数据预测药物ADMET属性，在22个数据集上表现优异，提升分子属性预测准确性并减少对大规模标注数据的依赖。
$π$, 但使其飞行：基于物理的VLA模型向空中操作的转移
机构 * Stanford University（斯坦福大学） ； Physical Intelligence
AI总结 本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。
视频无限 gaze 生成的自回归扩散模型
机构 * New York University（纽约大学） ； Stanford University（斯坦福大学）
AI总结 本文提出一种自回归扩散模型，用于生成任意长度视频的无限 horizon 原始 gaze，通过在 saliency-aware 视觉潜在空间中条件化，提升长程时空准确性和轨迹真实性。
SurgPhase: 一种高效的垂体肿瘤手术阶段识别交互式网页平台
机构 * Children's National Hospital（儿童国家医院） ； Booth School of Business, University of Chicago（芝加哥大学布斯商学院） ； Division of Neurosurgery, Department of Surgery, University of Montreal（蒙特利尔大学外科学系神经外科） ； Wilson Centre for Research in Education, University Health Network（大学健康网络威尔逊教育研究中心） ； Department of Neurosurgery, Hospital Universitari Joan XXIII（胡安二十三世大学医院神经外科） ； University of Southern California（南加州大学） ； Stanford University School of Medicine（斯坦福大学医学院）
AI总结 本文提出SurgPhase平台，通过自监督学习和时间建模实现垂体肿瘤手术阶段识别，准确率达90%，并提供数据标注和模型优化功能。
符合性选择预测与通用风险控制
机构 * Department of Statistics, Stanford University（斯坦福大学统计学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计学与数据科学系）
AI总结 本文提出SCoRe框架，通过符合性推理和假设检验方法，在无需统一集中假设的情况下，为任何训练好的模型和用户定义的有界连续风险提供风险控制保证，并应用于药物发现、健康风险预测和大语言模型等领域。
自评分的反高潮：对AI在简答短处和用词弱点的元分析理解
机构 * Stanford University（斯坦福大学）
AI总结 本文通过元分析研究AI在简答评分中的不足，发现人类评分难度对LLM性能无显著影响，且某些人类易评任务对LLM更难，同时探讨了LLM技术对评分的影响因素。
后果性与功能性声音在人机交互中的作用：向音频增强现实接口迈进
机构 * Stanford University（斯坦福大学）
AI总结 研究探讨了机器人声音对人类感知的影响，以及AR技术对这些影响的调节作用，发现增强现实空间音频可有效传递任务信息并提升交互体验。
Comments 29 pages, 11 figures
基于检索-推理的大型语言模型合成临床试验生成
机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎- Rocquencourt 国家信息与自动化研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒实验室） ； University of Chicago（芝加哥大学） ； Stanford University（斯坦福大学） ； Purdue University（普渡大学） ； University of Southern California（南加州大学）
AI总结 本文提出基于检索-推理框架的合成临床试验生成方法，利用LLM生成标注二元结果的合成试验报告，通过检索模块和推理模块提升生成质量，实验证明合成数据可有效增强真实数据集并提升临床试验预测性能。
Comments Published in ACM BCB 2025. 9 pages, 4 figures, 5 tables (Main paper + Supplementary Materials)
Journal ref Proceedings of the 16th ACM International Conference on Bioinformatics, Computational Biology, and Health Informatics (ACM BCB 2025)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈