SEINT：高效的跨空間剛體不變度量
SEINT 提出一種無需訓練的 SE(p) 不變度量，用於 3D 點雲和高分子等結構數據。它將高維分布壓縮為一維等距不變表示（PTD/DcPTD），用於快速一維最優傳輸計算。實現嚴格度量性質，並具備近線性複雜度。
Search
Tag: #research297 results
PIL：基於線性代理的不可學習樣本生成方法
PIL 使用輕量線性代理而非 DNN 生成不可學習樣本，大幅降低計算成本。它利用擾動誘導深度模型線性行為的洞見。在 CIFAR/ImageNet 上提供相當保護效果與更高效率。
AI 數位雙胞胎管理糖尿病肥胖
矽谷新創 Twin Health 使用 AI 數位雙胞胎與穿戴感測器管理糖尿病與肥胖。提供昂貴 GLP-1 藥物的替代方案。患者與雇主從中獲得健康選擇指引。
索尼溯源 AI 生成音樂原始素材
索尼開發技術，能精準辨識 AI 生成歌曲中使用的原始音樂素材。此技術為詞曲作者及版權持有人提供工具，向 AI 開發者索取合理版稅補償。針對 AI 音樂版權爭議。
LLM幻覺的幾何分類法
研究人員提出LLM幻覺的幾何分類法，將其分為三類：不忠實（忽略上下文）、捏造（發明語義外內容）和事實錯誤（正確框架內錯誤）。基準測試幻覺具領域本地檢測力（AUROC 0.76-0.99），跨領域僅隨機水平；人類捏造則可用單一全球方向達0.96 AUROC。事實錯誤因嵌入僅編碼共現而無法檢測。
BotzoneBench：可擴展 LLM 遊戲評估
BotzoneBench 提供可擴展框架，利用固定技能校準遊戲 AI 階層評估 LLM 在遊戲中的策略推理能力。它避免 LLM 對戰賽的二次方成本與不穩定性，提供絕對線性時間測量。在八種多樣遊戲中，評估來自五個旗艦模型的 177,047 個狀態-動作對，突顯性能差距。
AMOR：熵基元認知閘門動態SSM-注意力切換
AMOR是一種受雙過程認知理論啟發的混合模型，僅在SSM預測顯示高熵不確定性時動態啟用稀疏注意力。它從SSM狀態投影Ghost KV以實現O(n)效率，在檢索任務上超越純SSM和Transformer基準，以僅22%注意力位置達到完美準確率。預測熵可靠偵測檢索需求，差距達1.09 nats。
人造細胞實現有限次數的細胞分裂
研究人員開發了一種能夠進行幾輪分裂的人造細胞。此過程需要大量的外部材料輸入才能維持分裂週期。
實驗性酒瓶可追蹤軟木塞中的氧氣含量
研究人員開發了一款實驗性酒瓶，能夠監測透過軟木塞的氧氣滲透率。這項技術提供了瓶內化學交互作用的即時數據。