foundation model
PulseAugur coverage of foundation model — every cluster mentioning foundation model across labs, papers, and developer communities, ranked by signal.
- developed spatial transcriptomics 90%
- used by federated learning 80%
- instance of alphaXiv 70%
- instance of ScienceCast 70%
- instance of Gotit.pub 70%
- instance of CatalyzeX Code Finder for Papers 70%
- uses Vision Transformers 70%
- instance of Vision Transformers 70%
- instance of Earth observation 70%
- uses monocular depth estimation 70%
- used by spatial transcriptomics 70%
- used by monocular depth estimation 70%
- 2026-06-11 research_milestone A new paper demonstrates foundation models achieving high accuracy in automated exam grading. 来源
- 2026-05-11 research_milestone A new foundation model for high-resolution remote sensing data was detailed in a research paper. 来源
- 2026-05-08 research_milestone A benchmark study was published comparing foundation models to radiomics and ResNet for renal lesion stratification in CT scans. 来源
21 天有情绪数据
-
新框架在无反向传播的情况下绘制基础模型潜在空间
研究人员引入了基于柏拉图表征假说的 Aristotelian Manifolds 新框架，以分析和理解基础模型的内部工作机制。该框架将大型模型视为感知过滤器，并绘制知识在其潜在空间中的合成方式。研究表明，这些模型中的语义发展并非线性的，而是因数据域而异，有些在中间阶段达到峰值效率。通过识别这些最佳表征效率点，该研究提供了一种无需反向传播即可选择层和压缩特征的方法，从而为基础模型的潜在空间提供了一种更具可解释性的方法。
-
审查发现美国放射学中的基础模型缺乏验证和安全性
一项审查美国放射学中基础模型的叙述性综述，发现了其验证和安全协议方面的重大不足。该研究强调需要更严格的测试，以确保这些模型在临床上具有实用性和安全性，从而保障患者护理。
-
新调查论文勾勒基础模型时代的人类中心智能
一篇题为“人类中心智能与基础模型时代”（Human-Centric Intelligence in the Era of Foundation Models）的最新调查论文已在arXiv上发表，该论文提出了一个用于理解和推进人类中心AI的综合框架。论文引入了一个六级分类法，通过视觉、运动和主体性视角审视人类，并概述了包括数据、架构和优化策略在内的基础方法。其目标是整合不同社区零散的研究，并为开发可扩展、可信赖和有根基的人类中心智能提供参考。
-
新研究探索不确定性量化和轻量级模型在语义分割中的应用
研究人员正在探索提高语义分割模型可靠性和鲁棒性的方法，尤其是在安全关键型应用中。一篇论文研究了不确定性量化（UQ）技术与SAM2和DPT等基础模型的集成，评估了准确性、校准和计算成本之间的权衡。另一项研究考察了CutMix数据增强策略对分割模型的影响，发现它在不显著影响准确性的情况下提高了可靠性和校准。第三篇论文介绍了一种名为SiConMo的轻量级框架，通过在瓶颈阶段进行上下文建模来平衡准确性和效率，展示了强大的准确性-效率权衡。
-
Apple 的 Foundation Models 支持设备端 AI，并采用混合路由至云模型。
开发者正在探索混合方法，以利用 Apple 设备上的设备端 AI 功能，同时克服其局限性。通过使用 Swift 和 Apple 的 Foundation Models 框架，开发者可以实现本地快速且私密的 AI 推理。然而，上下文长度的限制需要将某些提示路由到云端模型（如 Google Gemini），这通常通过 Firebase AI Logic 等平台来实现。
-
AI研究发现颜色顺序对基础模型理解地图至关重要
一篇新的研究论文探讨了地图绘制设计原则如何影响基础模型（FMs）的空间推理能力。该研究构建了一个包含5760张序列分级统计地图和28800个问题的基准，以评估21个FM在属性识别和模式描绘等任务上的表现。研究结果表明，虽然色调选择的影响很小，但破坏颜色顺序会显著降低FM的性能，尤其是在比较和排名任务中。亮度对比度的降低也会持续损害推理能力，而LoRA微调可以提高准确性，但不会改变这些敏感性。
-
人工智能将通过情境理解简化品牌合作
生成式人工智能有望通过解决历史上阻碍合作的重大运营复杂性，彻底改变品牌合作。下一波人工智能的应用将不再局限于内容创作，而是专注于让人工智能深入理解品牌的身份，包括其声音、语调、合规标准和视觉指南。这种存储在人工智能可读的“品牌护照”中的情境知识，将能够动态组合不同品牌的指南，使人工智能能够为各种渠道生成定制的创意资产，并根据合作情境自动平衡品牌突出度。这一转变有望在保持品牌完整性的同时，大幅缩短营销活动时间，并实现可扩展的合作。
-
CytoBERT 基础模型发布，用于流式细胞术数据分析
研究人员推出 CytoBERT，这是一个开源的基础模型，专为流式细胞术数据分析而设计。该模型在大量流式细胞术数据语料库上进行了预训练，使其能够学习细胞标记物之间可迁移的关系。通过利用自监督学习和标记物标准化，CytoBERT 旨在克服流式细胞术数据的异质性和非标准化特性，从而实现更具可扩展性和通用性的分析。该项目包括公开可用的代码和权重，并通过微调证明了其在样本级分类任务中的有效性。
-
新框架在基础模型评估中优先考虑人类主观体验
提出了一种新的人本评估（Human-Centric Evaluation）研究框架，用于评估基础模型，侧重于主观用户体验而非仅仅客观基准。该框架在多模态研究背景下捕捉对问题解决能力、信息质量和交互体验的感知。涉及604次人类评估实验的测试表明，当前的LLM-as-a-judge方法难以复制真正的人类主观判断，强调了直接人类评估的持续重要性。
-
解耦表示提升形态转录组整合
研究人员探索了通过解耦共享和模态特定变异来改进空间转录组学和苏木精-伊红（H&E）成像数据整合的方法。他们比较了变分自编码器（VAE）和对比学习方法，发现对比学习目标通常能带来更好的下游探测性能。该研究表明，显式地分解共享信息可以增强空间转录组学多模态表示学习，为评估未来的基础模型提供了一个框架。
-
欧盟《人工智能法案》强制要求新的人工智能基础设施架构以符合规定
欧盟《人工智能法案》的高风险义务现已生效，给使用人工智能的组织带来了巨大的合规压力。这项立法突显了人工智能基础设施发展的结构性转变，要求系统在构建时就内置对有关其架构、人工监督和问责制的监管问题的答案。能够快速执行多步决策的代理式人工智能系统进一步压缩了人工干预的时间窗口，因此需要将监督设计到最初授予代理权限中，而不是依赖于事后批准。
-
基础模型在医学影像中展现模式识别优势，但缺乏因果推理能力
对生物医学影像中基础模型的最新分析显示，其在模式识别方面具有显著优势，但在因果推理、鲁棒性和安全性方面存在明显局限性。题为“生物医学影像中的基础模型：将炒作变为现实”的研究强调，在实施这些AI系统时，需要仔细考虑数据质量、验证流程、工作流程集成和人工监督。
-
基础模型在视网膜图像合成方面展现潜力，但面临合成-真实差距问题
研究人员评估了医学基础模型生成临床可控视网膜图像的能力。虽然这些模型可以在其自身的潜在空间中保留表型信息，但当使用在真实图像上训练的分类器进行评估时，这种优势会减弱，表明合成数据和真实世界数据表示之间存在差距。该研究强调基础模型是视网膜合成的有力基础，但需要更好地对齐合成图像和真实图像的分布。
-
新框架将RGB基础模型重新用于热深度估计
研究人员开发了RGB-HS，一个旨在通过利用基于RGB的基础模型来改进热图像深度估计的新框架。该方法利用分层监督，在RGB教师分支和热学生分支之间对多层表示进行对齐。该框架还包含一个验证步骤，通过根据图像质量对RGB token进行加权来优化对齐，从而在基准测试中取得有竞争力的性能。
-
综述论文追踪人工智能中视觉解释方法的发展
一篇新发表在 arXiv 上的综述论文详细介绍了可解释计算机视觉中类激活映射（CAM）技术的发展。该论文将 2016 年以来的 57 项以方法为中心的研究进行了分类，强调了从解释简单的 CNN 分类器到涉及 Transformer、CLIP 和 DINO 等基础模型以及注意力机制的更复杂方法的转变。文章指出，尽管解释方法日益复杂，但对忠实度、鲁棒性和人类信任的评估协议仍然分散。
-
新的TREX框架将大型PDE基础模型蒸馏为高效的学生模型
研究人员开发了一个名为Teacher Rollout Extension (TREX) 的新知识蒸馏框架，用于从大型基础模型中创建更高效的学生模型，以处理时变偏微分方程（PDE）。TREX从微调后的教师模型生成长的合成轨迹，以增强有限的下游数据，使学生模型能够学习长视界状态和局部恢复行为。这种方法使学生模型在参数显著减少和推理速度提高一个数量级以上的同时，能够达到与教师模型相当或更优的准确性。
-
前Qwen技术负责人林俊阳创立Pragmatik Labs，获2.2亿美元融资
阿里巴巴Qwen模型前技术负责人林俊阳在上海创立了Pragmatik Labs。该公司获得了2.2亿美元融资，由高榕资本和红杉中国领投，腾讯参投。Pragmatik Labs专注于开发数字和物理智能体，而非在基础模型领域竞争。
-
大脑核磁共振基础模型主要编码采集位点，而非解剖结构
研究人员发现，当冷冻基础模型用于表示大脑核磁共振数据时，它们主要编码核磁共振采集的位点，而不是解剖或临床信息。这种效应在不同的队列、编码器和网络深度中都有观察到，即使是从随机初始化的模型或原始图像中，位点信息也高度可解码。虽然 ComBat 等方法可以去除这种位点指纹，但代价是会在共享子空间中将位点和解剖信息纠缠在一起。该研究建议对基础模型进行位点归因审计，并为此提供了一个开放的工具包。
-
新研究揭示面部嵌入在不同AI模型之间具有高度兼容性
研究人员调查了包括领域特定模型和大型基础模型在内的各种深度神经网络（DNN）之间面部嵌入的兼容性。他们的发现表明显著的跨模型兼容性，证明简单的仿射变换可以在对齐不同模型的嵌入时显著提高面部识别性能。这些对齐模式在不同数据集上是一致的，并且根据模型家族系统地变化，这表明面部身份的编码方式正在趋同。这项研究将独立训练的生物识别模板重新定义为可转移的，这对互操作性、集成设计和模板安全性产生了影响。
-
基础模型在跨数据集人脸攻击检测方面存在困难
一项发表在arXiv上的新研究调查了基础模型（FMs）在人脸活体检测（PAD）方面的有效性。研究发现，尽管基于LoRA的适配可以实现较低的同数据集错误率，但在跨数据集泛化方面却面临显著困难。这表明，预训练表示和适配数据集本身对于泛化比LoRA等轻量级适配策略更为关键。该研究评估了32种不同的基础模型，并指出零样本提示在各种模型家族中表现不佳。