Macro F1
PulseAugur coverage of Macro F1 — every cluster mentioning Macro F1 across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的CrossSpine框架提升了腰椎间盘退变自动分级的性能
研究人员开发了一个名为CrossSpine的新框架，以改进腰椎间盘退变的自动分级。这种新颖的架构利用跨序列注意力机制，有效地融合了来自不同MRI序列、跨越多个空间尺度的特征。此外，该框架还采用了一种感知椎间盘（IVD-aware）的分类技术，该技术利用解剖学上的椎间盘水平信息来学习每个水平特有的退变先验。实验表明，CrossSpine显著优于基线模型，在Macro F1分数上提高了125%以上，并在AUPRC和AUROC方面取得了显著的提升。
-
研究发现：事实核查基准存在“污染”缺陷 · 已追踪2个来源
一篇新的研究论文对评估多模态自动事实核查（MAFC）系统的现有基准的有效性提出了质疑。研究表明，即使是使用在大型语言模型（LLM）知识截止日期之后发布的声明的动态基准，仍然存在污染问题。这种污染，即声明可以通过预先存在的知识进行验证，可以将性能指标最多提高11.34个Macro-F1点，并扭曲系统排名。研究人员提出了更值得信赖的MAFC评估的实用指南。
-
AI框架利用骨架数据增强从身体运动中识别情感的能力
研究人员开发了一个新颖的框架，用于利用骨架数据从身体运动中识别情感。该方法结合了多个分支，包括一个基于6D旋转的分支、一个部分感知的动力学多流分支以及一个元数据条件弱标签分布学习分支。在MMAC ACII 2026挑战赛的DIEM-A任务中，该系统通过利用细微的动态和关系运动线索，取得了比基线更高的准确率和Macro-F1分数。
-
新框架检测大语言模型（LLM）代理技能中的不对齐现象
研究人员开发了一个名为渐进式加载感知分层对比学习（PL-HCL）的新框架，用于检测大语言模型（LLM）代理技能的描述与其实际行为之间的一致性。该方法模拟了代理技能的分层结构，并学习跨层一致性以识别不对齐。在使用大型开源技能语料库进行的评估中，PL-HCL 显著提高了检测准确率，宏观 F1 分数达到 0.87-0.89，远高于基线分数约 0.45。该框架旨在作为用户和操作员的筛选工具，并为识别分层数字制品中的差异提供设计原则。
-
法律AI模型利用预测结果的“捷径学习”线索
一篇新发表在arXiv上的论文，在英国就业法庭的背景下，调查了法律判决预测（LJP）模型中的捷径学习。研究人员发现，当前基于事后司法材料训练的LJP模型，并非通过真正的预测，而是通过利用揭示结果的语言线索来获得高预测性能。研究表明，一个仅在已识别的4%泄露特征上训练的模型就能超越人类专家，这凸显了LJP系统中预测性能指标被夸大的担忧。然而，该论文提出，这种漏洞并非不可克服，因为即使在移除这些揭示结果的伪影后，模型仍然保留了预测能力。
-
新的QC-SMOTE方法提高了不平衡分类的准确性
研究人员开发了QC-SMOTE，一种新颖的过采样框架，旨在提高不平衡数据集上的分类准确性。该方法通过结合一种质量控制方法来解决生成低质量合成样本的问题，该方法根据局部密度、安全级别以及与多数类的隔离度来评估样本的可靠性。在30个数据集上的实验表明，QC-SMOTE优于现有的过采样技术，在具有中度至严重类别不平衡的情况下，取得了更高的AUC-ROC和Macro F1分数。