English(EN) Emergent Symbolic Structure in Health Foundation Models: Extraction, Alignment, and Cross-Modal Transfer

健康基础模型产生可解释符号以实现跨模态迁移

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-08 08:03

研究人员开发了一个训练后框架，用于从健康基础模型中提取可解释的符号，这些符号代表健康状况和生理属性。该方法无需重新训练即可实现不同模态和架构之间嵌入空间的对齐。该框架证明，在跨模态迁移过程中，这些符号保留了超过95%的领域内性能，表明模型内部存在一个共享的、生理信息丰富的子空间。 AI

影响能够更深入地理解健康基础模型中学习到的表示，并更有效地进行迁移。

排序理由该集群包含一篇学术论文，详细介绍了分析基础模型的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Sarvesh Kirthivasan · 2026-05-08 08:03

健康基础模型中的涌现符号结构：提取、对齐和跨模态迁移

Health foundation models (FMs) learn useful representations from wearable sensors, but interpreting what they encode and transferring that knowledge across modalities after training remains difficult. We present a post-training framework that decomposes frozen embeddings into int…