BriefGPT - AI 论文速递 ·

高斯图模型结构学习中交叉验证的不一致性

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本文研究了岭回归的三个基本问题：估计器结构、正确使用交叉验证选择正则化参数以及加速计算。通过研究岭回归的偏差和偏差校正方法，分析了原始和对偶草图在岭回归中的准确性，并以模拟和实证数据分析为例说明了结果。

🏷️

SimpleDesign：蛋白质序列与结构协同设计的联合模型
SimpleDesign是一种多模态蛋白质设计模型，无需多阶段训练，直接在数据空间端到端训练，结合序列交叉熵与结构回归目标，采用Transformer多模...
Cohere称AI主权很重要——但它刚刚将新翻译模型限制为商业使用
Cohere发布开源权重翻译模型North Small Translate 1.0，支持50多种语言，总参数2180亿。非商业用户可在Hugging Fa...
Meta可能泄露了其轻薄“Project Phoenix”头显的首张外观图
UploadVR在Meta Connect前曝光了Meta“Project Phoenix”头显图片，据称来自HorizonOS处方镜片固件包。该设备采用...
扰动实验+迁移学习，MIT团队推出IRIS，用「指纹」重建单细胞信号传导历史
MIT团队开发IRIS框架，通过体外信号扰动实验学习细胞信号响应指纹，推断体内细胞信号状态。该框架能跨细胞类型和物种泛化，重建谱系信号动态，并优化人胚胎干...
开源天气模型已经很快，真正的瓶颈却在数据
Hugging Face与Earthmover发布开源天气模型教程，以Aurora为例，展示从ERA5提取初始条件、执行24小时预测并计算误差的完整流程。...
AI提交千禧难题证明，真正的门槛转向公开验证
OpenAI称其内部AI系统给出了Navier-Stokes方程的反例，并附有Lean形式化证明，但克雷研究所仍将该问题标为未解决。文章指出，AI进入前沿...