Anthropic 從未對外公開 Claude Mythos 的技術細節，但全新開源專案 **OpenMythos** 透過 PyTorch 進行了理論重建。這套系統證實了僅需 **770M** 參數的遞迴架構，就能達到 **1.3B** 傳統模型的推理能力。 揚棄傳統堆疊的 RDT 運算架構 主流的語言模型（如 …
原文：Meet OpenMythos: An Open-Source PyTorch Reconstruction of Claude Mythos Where 770M Parameters Match a 1.3B Transformer
傳統的反向傳播演算法會對每個樣本更新權重，造成巨大的運算浪費。受大腦「負面偏誤」啟發，新研究證明若僅對當前或過去曾經預測錯誤的樣本進行參數更新，能將網路更新次數大幅減少 **50% 到 80%**。這種「記憶型錯誤門控」不僅維持高泛化能力，更極大降低了模型在持續學習過程的運算與記憶體成本。 大腦 ERN 電位啟發神…
原文：Mistake gating leads to energy and memory efficient continual learning
頭頸部鱗狀細胞癌的預後不只取決於傳統的解剖分期，更取決於細胞核內的基因體不穩定性，但現在我們居然能直接從一張普通的打藥頸部 CT，以高達 71% 的準確率預測腫瘤的 DNA 拷貝數變異狀態。這意味著那些肉眼看不見的像素排列與灰階異質性，其實偷偷洩漏了癌細胞最深層的基因型態，為未來的非侵入性影像基因體學鋪平了道路。 …
原文：CT Radiomic Features are Associated with DNA Copy Number Alterations of Head and Neck Squamous Cell Carcinomas [ORIGINAL…
軟體工程社群的「有毒」發言不僅破壞團隊協作，更會迫使開發者退出專案。為了解決開源社群長期缺乏即時過濾工具的問題，研究團隊開發了名為 **ToxiShield** 的 GitHub 擴充套件。透過整合自然語言處理與大型語言模型 (LLM)，該系統在過濾 **38,761** 筆程式碼審查樣本時，達到了 **98%** …
原文：ToxiShield: Promoting Inclusive Developer Communication through Real-Time Toxicity Filtering
只需使用總資料集 **23%** 的類別訓練，模型就能在僅有 **4** 筆未知角度樣本的情況下，將到達角預測誤差縮減至 **3 度**。這份 ProtoAoA 研究展示了原型網路在極缺標註資料時的強大泛化能力。 突破深度模型依賴海量資料的到達角估計限制 無線通訊中的到達角（Angle-of-Arrival, Ao…
原文：ProtoAoA: Few-Shot Angle-of-Arrival Estimation using Prototypical Networks
研究團隊提出 Vi-CD 技術，首次在視覺變換器中實現邊緣級別的計算電路發現。數據顯示，它找出關鍵路徑的稀疏度比現有方法高 **10 倍**，且介入電路能將 CLIP 模型的排版攻擊成功率從 **39.1% 降至 2.8%**，讓模型內部機制走向實用防禦。 從神經元到計算圖：Vi-CD 突破變換器限制 機制可解釋性…
原文：Seeing Through Circuits: Faithful Mechanistic Interpretability for Vision Transformers
呼叫 LLM 進行分類會留下免費的標註日誌。開源系統 TRACER 利用這些紀錄訓練代理模型，在 77 類意圖分類測試中接管 83.2% 流量並省下 83% 成本，更在 150 類任務中達成完全替代。 利用 LLM 系統日誌啟動零成本標註飛輪 開發團隊越來越常使用大型語言模型（LLM）作為零樣本分類器，藉此省下建立…
原文：TRACER: Trace-Based Adaptive Cost-Efficient Routing for LLM Classification
針對加護病房敗血症的早期預警，當臨床觀察時間縮短，預測模型的準確率往往會大幅下降。天津大學與浙江大學團隊最新提出的 CSRA 頻域資料擴增框架，透過離散餘弦轉換在頻率領域進行微調，在無需增加真實病歷的情況下，成功讓預測回歸誤差（MSE）降低了 10.2%。這項技術在訓練資料僅剩 10% 的極端情境中，依然能維持高水準…
原文：CSRA: Controlled Spectral Residual Augmentation for Robust Sepsis Prediction
工業實驗設計長期面臨一個關鍵抉擇：是要先找出影響良率的關鍵變數，還是直接最佳化生產條件？傳統做法需要分兩階段打掉重練，耗時且成本高昂。近期一份 arXiv 論文提出 **HASOD（混合自適應篩選與最佳化設計）** 框架，在 540 次獨立實驗中達到 **97.08%** 的因子偵測準確率，比傳統循序方法大幅提升 *…
原文：HASOD: A Hybrid Adaptive Screening-Optimization Design for High-Dimensional Industrial Experiments
遙感影像分類模型正面臨一種難以察覺的物理性威脅。最新研究提出名為 FogFool 的大氣對抗攻擊框架，放棄傳統的像素級雜訊，改用 Perlin 雜訊生成極具真實感的物理霧氣。在 NWPU 資料集上，這項技術不僅達成 **99.96%** 的無目標攻擊成功率，其黑箱轉移攻擊成功率更突破 **83.74%**。 傳統數…
原文：Physically-Induced Atmospheric Adversarial Perturbations: Enhancing Transferability and Robustness in Remote Sensing Ima…
在僅有每類別 40 個訓練樣本的極端資料限制下，傳統卷積神經網路的分類準確率往往大幅下滑。近期一項研究指出，若在網路架構中植入不具額外可訓練參數的混沌映射層，可讓 MNIST 影像的分類表現最高提升 **5.43%**，在 Fashion-MNIST 上甚至繳出 **9.11%** 的成長，為小樣本學習開闢了一條輕量…
原文：Chaotic CNN for Limited Data Image Classification
人類大腦在學習分類時，不會因為看到畫面或聽到聲音而切換截然不同的底層機制。澳洲昆士蘭科技大學團隊提出的 OmniGCD 模型模仿了這種抽象分類能力，它完全不依賴特定資料集的微調，僅靠一次純合成資料訓練，就能在視覺、文字、音訊與遙測等 4 種模態的 16 個資料集上達成廣義類別發現，文字分類準確率甚至躍升了 **17.…
原文：OmniGCD: Abstracting Generalized Category Discovery for Modality Agnosticism
單純依賴深度學習抓取顱內動脈瘤特徵，破裂預測準確率僅 0.823。若在送入模型前加上專屬影像降噪，結合放射影像組學與臨床數據，預測表現能一口氣衝上 **0.908**。這證明在處理次毫米級血管突起時，CTA 原始影像的雜訊干擾，遠比肉眼判讀時想像中嚴重。 顱內動脈瘤破裂預測的影像雜訊物理困境 評估未破裂顱內動脈瘤的…
原文：Predicting intracranial aneurysm rupture risk and intervention outcomes using denoising-enhanced CT Angiography [ORIGINA…
常規的預訓練模型多綁定單一尺寸，若要適應邊緣硬體限制，往往得耗費數百小時重新訓練。東南大學團隊提出的 WeiT 架構，僅需短短幾分鐘與幾百步梯度更新，就能讓新尺寸模型繼承原始知識，打破重新蒸餾的算力魔咒。 ViT-B等固定配置的侷限與模型轉換的昂貴成本 微調預訓練模型已成為機器學習的主流路徑，特別在數據稀缺場景下，…
原文：Constraint-based Pre-training: From Structured Constraints to Scalable Model Initialization
大型語言模型在推論階段的算力擴展往往採用齊頭式分配，引發龐大資源浪費。復旦大學與蘇黎世聯邦理工學院的最新研究證明，只要將推理預算從簡單任務轉移至複雜問題，在總算力不變下，模型於 MATH 測試的相對準確率最高可躍升 **12.8%**。團隊提出的雙階段框架，成功將算力最佳化問題轉化為毫秒級的分類任務。 齊頭式分配與…
原文：Adaptive Test-Time Compute Allocation for Reasoning LLMs via Constrained Policy Optimization
在全面禁止核子試爆條約（CTBT）的地震監測網路中，自動系統生成的警報有高達 **58%** 最終會被專家否決。傳統機器學習常因黑盒子特性而難以被信任，研究團隊為此提出一套混合模型架構，把科學理論轉換為擬合度分數，讓感測器缺漏成為核心的判斷基準。 針對 CTBT 地震監測高達 58% 的誤報挑戰 地震監測高度依賴全…
原文：Expert-Guided Class-Conditional Goodness-of-Fit Scores for Interpretable Classification with Informative Missingness: An…
視覺語言模型在通用領域表現亮眼，但面對牙科口內攝影時卻面臨嚴峻挑戰。最新發表於《Journal of Dental Research》的研究指出，即便是最先進模型也難以精準辨識細微病灶。為解決標註資料匱乏問題，團隊開源 MetaDent 資料集，提供 **60,669** 張影像，為牙科 AI 建立全新基準。 突破…
原文：MetaDent: Labeling Clinical Images for Vision-Language Models in Dentistry
當我們把分析單位嚴格限縮在「單張影像」而非「單一病患」時，AI 偵測兒童肢體骨折的偽陽性率其實穩定在 **10%**。過去多篇統合分析因為混用兩種單位導致精準度被嚴重高估，這篇涵蓋超過一萬張影像的重新校準指出，AI 真正發揮價值的戰場不是贏過次專科醫師，而是將急診第一線的敏感度從 93.7% 直接拉抬到 **97.0…
原文：Convolutional neural networks in paediatric fracture detection: pooled evidence from a systematic review and meta-analys…
醫學影像 AI 的最大價值或許不在於看病灶，而是攔截掃描瑕疵——導入自動化品管後，技術員審查速度飆升 69%，更額外揪出 24% 人眼漏看的假影。當單張玻片品管成本達 1 美元時，將防線前推至儀器端即時糾錯，正是突破科室人力荒的最佳武器。 單張 1 美元的手動品管代價與流程瓶頸 在探討這份來自 Leica Bios…
原文：Leica Biosystems Launches Aperio GT Elite Scanner, Aperio iQC Software
當我們輸入長篇提示詞給大型語言模型時，運算成本正以平方級數飆升，但最新的研究顯示，透過「潛在嵌入空間」的壓縮技術，模型能在幾乎不掉效能的情況下減少 **75%** 的輸入長度。這項由 AWS AI Labs、Mistral AI 與 UCLA 等機構共同提出的 **$K$-Token Merging** 技術，打破了…
原文：Compressing Sequences in the Latent Embedding Space: $K$-Token Merging for Large Language Models
在先進製程的標準單元設計中，馬里蘭大學與 **NVIDIA** 推出的 **TOPCELL** 框架證明了大型語言模型能在拓撲最佳化任務中達到 **85.91** 倍的驚人加速。傳統自動化工具需要花費近 **10** 小時才能找到 **12** 個電晶體的最佳排列，而經過特殊強化學習訓練的開源小模型，僅需 **2**…
原文：TOPCELL: Topology Optimization of Standard Cell via LLMs
病患看見乳攝報告上標註演算法參與判讀後，遵醫囑進行常規追蹤的比例反而下降 14%——透明度並非總是帶來信任，有時候直接把機率分數丟給病患，只會引發無謂的焦慮與對人類醫師的質疑。法國 Henri Mondor 醫院團隊針對乳房攝影報告的資訊公開議題提出深度評論，直指放射科即將面臨的醫病溝通風暴。 從單純輔助到乳房攝影…
原文：AI in mammography reporting: transparency, trust, and the patient perspective
在 3M 濃度的碘化銫（CsI）水溶液中，水分子的擴散速度竟然比純水快上 **23%**；反觀在同濃度的氯化鈉（NaCl）溶液中，水分子的移動卻減速了 **19%**。這個看似違反直覺的離子特異性「異常擴散」現象，超過六十年來始終是傳統分子動力學模擬無法準確重現的物理謎題。義大利拉奎拉大學的研究團隊近期透過 **MA…
原文：Ion-Specific Anomalous Water Diffusion in Aqueous Electrolytes: A Machine-Learned Many-Body Force Field Study with MACE
僅憑無對比劑的心臟磁振影片，AI 在四萬筆回顧篩檢中，直接抓出 112 名被專科醫師漏診的肥厚型心肌病變。這項將影像與文字報告綁定的基礎模型，免去人工標註即對 39 種心臟病達到 AUC 0.97 的驚人辨識力。 基礎模型打破人工標註的心臟影像枷鎖 回顧過往的心臟影像深度學習，多數研發團隊往往陷入了無止盡的人工標註…
原文：Study: AI Model Can Read Cardiac MRI Scans with Near Expert Accuracy
常規的電腦斷層灌注掃描（CTP）單一閾值法嚴重低估了人體微血管的韌性，在成功血管打通的病患中，傳統軟體預測最終梗塞範圍的準確度居然只有 15.73%。這篇由跨國團隊發表於 AJNR 的最新多中心研究證實，若改用針對「血管是否成功打通」分別訓練的 3D 多重模態深度學習模型，能將成功打通組的預測精準度飆升至 35.36…
原文：Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scen…
頭頸癌預後不只看淋巴結轉移，基因組差異才是核心。常規對比增強 CT 的像素紋理，竟能以 AUC 0.71 的準確度，直接預測決定腫瘤侵略性的 DNA 拷貝數變異狀態。這讓每天判讀的頸部 CT，直接升級為非侵入性的虛擬活檢工具。 破解頭頸癌 CNA 狀態與腫瘤預後的關聯 頭頸部鱗狀細胞癌（HNSCC）的預後評估與治療…
原文：CT Radiomic Features Are Associated with DNA Copy Number Alterations of Head and Neck Squamous Cell Carcinomas [ARTIFICI…
在加州大學柏克萊分校發表的最新研究中，研究團隊透過高達 **1.41 億**筆的 SPY 選擇權逐筆交易數據與 **4,920** 筆每日股票面板數據，嚴格檢視合成數據（Synthetic data）在金融機器學習中的真實效用。研究證實，合成數據並非解決資料稀缺的萬靈丹，而是引發結構性的「偏差-變異數權衡」：當合成數…
原文：Improving Machine Learning Performance with Synthetic Augmentation
傳統多步擴散模型修復影片往往需要數十到數百次的運算，帶來極高的硬體負擔與推理延遲。**DVFace** 框架打破了這項限制，僅需 **1 步**推理就能將充滿雜訊與模糊的低畫質影片，還原為高保真且具備時間一致性的人臉序列。研究團隊透過獨創的時空雙碼本架構，直接從退化影片中提取特徵，成功在極致的運算效率下維持了臉部結構…
原文：DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration
透過將複雜多步擴散模型壓縮至單步推論，**TurboTalk** 成功將音訊驅動的數位人影片生成速度提升 120 倍。傳統模型耗費大量算力進行數十步降噪，導致極高延遲。研究團隊提出雙階段漸進式蒸餾框架，解決了極端步數壓縮下的訓練崩潰難題，讓單步生成高畫質虛擬人像成為可能。 InfiniteTalk 等多步擴散模型的…
原文：TurboTalk: Progressive Distillation for One-Step Audio-Driven Talking Avatar Generation
SLP-Physics 數據集中展現 12.8% 的驚人提升 在 SLP-Physics 物理學習數據集中，長度 10 的推薦路徑測試裡，**U-GLAD** 模型將目標掌握率提升了 **12.8%**。當我們依賴演算法規劃學習路徑時，傳統系統往往無法辨識學生的「猜對」或「粗心出錯」，導致推薦偏誤。西華大學研究團隊…
原文：Uncertainty-aware Generative Learning Path Recommendation with Cognition-Adaptive Diffusion