Anatomical Therapeutic Chemical Classification System
PulseAugur coverage of Anatomical Therapeutic Chemical Classification System — every cluster mentioning Anatomical Therapeutic Chemical Classification System across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法嵌入临床概念，同时保留医学代码层级结构
研究人员开发了双曲临床本体嵌入（HCOE），这是一种表示临床概念的新颖方法，可以保留医学代码的层级结构。HCOE将现有的BioBERT嵌入映射到庞加莱球中，将本体引导的对比学习与层级聚合相结合。该方法在预测临床关系、迁移层级知识以及在MIMIC-IV数据集上改进死亡率预测和药物推荐等任务的结果方面表现出优越性能。
-
新的3D-USE框架增强水下场景重建
研究人员开发了一种名为3D-USE的新型两阶段框架，用于增强水下3D场景重建。该方法首先使用介质感知径向基锚点表示（MediumRBF）建立介质感知的场景表示，以区分物体和介质的贡献。随后，外观过渡共识（ATC）将2D水下图像增强的知识转移过来，以创建场景全局和高斯局部目标，然后由水下双边外观场（U-BAF）实现。这种方法旨在提高渲染视图的可见性和一致性，而无需配对的增强3D数据。
-
AI安全审计通过分层方法平衡严格性和性能
本文详细介绍了一种在大型MCP服务器部署中平衡安全审计严格性和性能的策略。该方法将审计分为静态和动态两层，静态检查在服务器进入时执行一次，并缓存在Agent Trust Card (ATC)中。动态检查（如沙箱执行）成本较高，但仅在必要时运行。然后，一个运行时拦截器层对每次工具调用强制执行实时安全规则，确保速度和严格性。
-
AI 代理使用动态信任验证和策略执行
作者正在讨论 AI 代理的动态信任验证，特别是在生产环境中。他们提出了一个“证书 → 策略 → 执行”堆栈，其中代理信任卡 (ATC) 作为加密凭证。然后，该 ATC 会根据 YAML 定义的信任策略进行评估，该策略指定了最低分数、允许的功能和禁止的操作。运行时拦截器会强制执行这些策略，阻止潜在有害的工具执行，例如访问敏感文件或执行系统命令。未来的发展包括基于代理行为基线和漂移检测的动态评估。
-
Agent Trust Card系统修复bug，增强防密钥泄露安全性
作者回应了关于Agent Trust Card (ATC)系统的反馈，详细说明了影响签名验证的规范化bug修复。该系统现已采用RFC 8785作为JSON规范化方案，确保在不同编程语言中实现一致的密钥排序，并防止嵌套对象双重编码。此外，作者还概述了处理证书颁发机构(CA)密钥泄露的三层策略，包括密钥轮换、具有60秒TTL的签名吊销列表，以及为高价值代理计划的多重签名ATC。
-
MarketNow 详解安全架构反馈与增强
作者正在回应有关 MarketNow 安全架构的安全反馈，特别是解决了关于分层防御、运行时强制和工具表面治理的担忧。关键点包括开发用于工具功能的新模式，实施工具目录差异机制以检测描述投毒，以及澄清不同安全层如何运作，区分模式匹配和行为分析。作者承认当前静态分析的局限性，并强调需要运行时强制来捕获复杂威胁。
-
新框架结合人类判断和AI分数以改进评估
研究人员推出了一种名为Aggregate-then-Calibrate (AtC) 的新颖两阶段框架，旨在改进以人为中心的评估任务。该方法结合了异构的人类判断（考虑标注者可靠性）和模型生成的评分。AtC理论上证明，对标注者异构性的建模可以更有效地估计共识，并且其等渗校准即使在共识排名错误指定的情况下也能提供风险界限。实证结果表明，与仅依赖人类或模型输入的评估相比，AtC在准确性和鲁棒性方面始终表现更优。
-
新框架结合人类判断和 AI 分数以改进评估
研究人员推出了一种名为 Aggregate-then-Calibrate (AtC) 的新颖两阶段框架，旨在改进以人为中心的评估任务。该方法通过结合人类判断和模型生成的分数，解决了仅依赖其中一种的局限性。第一阶段聚合比较性判断，考虑标注者可靠性，形成共识排名。第二阶段校准预测模型分数，以确保与该排名的序数一致性，同时保留定量信息。理论分析和实证结果表明，与仅使用人类或模型评估的方法相比，AtC 提高了准确性和鲁棒性。
-
L3 系统通过持续再审计检测 MCP 服务器中的安全漂移
L3 是一种持续监控系统，解决了 MCP 服务器在时间点安全认证与实时攻击之间的差距。它使用 GitHub Actions 每周重新审计技能，将运行时行为与原始基线进行比较，以检测六种类型的漂移：工具目录、供应链、网络、配置、凭证和进程漂移。关键漂移，如新的凭证访问，将触发服务器 ATC（自动化信任证书）的自动撤销。此服务由 MarketNow 免费提供，由 AliceLabs LLC 构建。
-
MarketNow新增A2A支持、代理分析和提示注入防御功能
MarketNow发布了三项新功能，以增强其代理信任平台。该平台现已通过签发带有Sentinel分数的代理信任卡（ATC）来支持Google的A2A协议，用信任验证补充A2A的通信重点。此外，一个新的代理分析端点提供有关技能、下载、安全层和业务模式的数据，为PRO仪表板提供支持。该平台还引入了第十层安全防护，专注于提示注入防御，使其总安全措施达到一个全面的流程，包括沙盒、重新审计、WAF、蜜罐和威胁情报。
-
OntoBook 方法通过合成教科书增强医学编码器预训练
研究人员开发了 OntoBook，一种使用合成医学教科书预训练编码器语言模型的新颖方法。该方法将医学本体结构转换为文本，然后用于训练 ModernCamemBERT 等模型。OntoBook 在法国医学编码基准测试中表现出显著的改进，优于标准的掩码语言模型预训练。
-
Agent Trust Card 系统通过错误修复和运行时信任计划应对安全反馈
Agent Trust Card (ATC) 系统的开发者正在回应有关其安全管道的反馈。关键更新包括修复影响 JSON 负载中嵌套对象排序的规范化错误，实施带有版本控制和多重签名功能的 CA 密钥轮换计划以减轻密钥泄露风险，并承认在安装后获取负载的实时代码的运行时信任方面持续存在的挑战。正在开发运行时信任的解决方案，重点关注持续监控、工具目录差异比较和出口允许列表强制执行。
-
新的MCP服务器集成了7种医学术语，用于LLM
一个名为medical-terminologies-mcp的新模型上下文协议（MCP）服务器已发布，它提供了对七个主要医学术语系统的统一访问。该工具旨在帮助大型语言模型（LLM）准确检索特定的医疗代码和信息，克服它们在记忆此类数据方面的固有局限性。该服务器支持各种LLM客户端，并为常见的临床和研究任务提供了几个预定义的提示，旨在提高医疗保健和研究领域的效率。