SCDM 提出共享参数元学习框架,实现可扩展时序因果发现
高维时间序列因果发现中候选关系二次增长,现有方法受限;SCDM 通过共享参数元学习避免逐目标优化,为大规模时序因果推断提供可扩展思路。

DOMAIN OBSERVATORY
资料 25 条 · 常规内容近 60–90 天,综述/报告保留一年最近同步 刚刚
当前主线为:以预测式自监督获得地基表征并走向统一 [1][8];再借权重复用与高效注意力做低成本改造 [3][16];优化重心从训练前移到推理时 [4];最终由智能体 RL 与生产系统承接,落向科学发现 [5][9]。
SCDM 提出共享参数元学习框架,实现可扩展时序因果发现
高维时间序列因果发现中候选关系二次增长,现有方法受限;SCDM 通过共享参数元学习避免逐目标优化,为大规模时序因果推断提供可扩展思路。

DoobPO 无似然微调扩散/流策略,支持 PPO/GRPO
为扩散/流生成策略提供无需动作似然的强化学习微调框架,有助于机器人连续控制策略训练。

TSFM 预训练平均增益仅 2.58 点,校正后仅 NuTime 显著
提示 MTSC 评估应区分预训练权重与架构贡献,并纳入随机初始化、非预训练强基线,避免高估 TSFM 收益。
FSKA 学习非平稳注意力核,省 40%-47% 投影参数
可学习非平稳谱核并保持线性注意力扩展,减少 QK 投影参数,对高效注意力架构有参考价值。

首个三模态掩码扩散模型从零预训练,系统给出多模态缩放律
给出模态混合比例、噪声调度与批大小的优化默认值,为扩散式多模态生成提供可复用的训练配方

Player-1:用合成经验与强化学习训练游戏智能体,超越纯示范学习
它在 computer-use 动作空间上加入相对指针移动和持续输入,并用合成环境做 RL 后训练,为数字控制智能体提供了可复用的训练范式

OlmoEarth v1.3 发布卫星嵌入与探索器
为地理空间 AI 提供预计算卫星嵌入与浏览器探索入口,降低全球数据使用门槛。
Amazon Bio Discovery 发三篇抗体AI论文
将结合预测、可开发性与实验验证闭环,提升 AI 制药评估与采用。

AI 可穿戴设备通过互联网复现五种食物气味,单一气味识别准确率 73 percent
研究结合化学传感与机器学习实现气味数字化传输,单一气味准确率 73 percent,为多模态感知提供参考;但当前依赖预载气味,工程影响有限。
Texas A&M 获 $2 million 资助建 AI 机器人材料实验室
全自动 AI 加机器人实验加速合金发现,为材料研发自动化提供可借鉴范式。
SSI 全网格归因在 HLS Burn Scar 用约 6% 预算超越 MC-Owen,并在多数据集取得最佳删除/插入 AUC。
为多光谱模型提供逐位置的通道归因,替代全局热图或通道排序;对模型调试、审计和归因评估有直接参考价值。

博客:将 基础模型(foundational models)带到 TB 筛查一线
信息不足,影响待观察
