medication
PulseAugur coverage of medication — every cluster mentioning medication across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AI设计的药物显示出延缓人类衰老的潜力 · 跟踪5个来源
一个人工智能系统设计出一种有望延缓衰老过程的药物。早期临床试验表明，这种AI生成的药物可能逆转或显著延缓衰老。多家新闻媒体报道了这一发现，突显了AI在医学研究和药物发现方面的潜力。
-
ProAct框架实现实时具身社交互动
研究人员推出ProAct，一个用于实时具身社交互动的新型双系统框架。该系统集成了低延迟的行为系统，用于生成多模态互动，以及处理长时域社交推理和主动意图的认知系统。ProAct旨在满足连续流畅行为和主动决策在严格延迟预算内的苛刻要求。
-
生物医学AI研究通过量化证据和可解释的不确定性来关注信任
两篇新研究论文提出了生物医学AI的进展，重点是提高医疗保健中AI系统的可靠性和可信度。第一篇论文提倡量化证据挖掘，它不仅提取实体和关系，还提取剂量、效应大小和不确定性等关键细节，以构建更具审计性和可验证性的知识图谱。第二篇论文介绍了可解释的不确定性估计，将不确定性量化与特征级解释相结合，以阐明预测不确定的原因以及哪些因素导致了这种不确定性，从而提高医学专家对AI预测的校准信任度。
-
新的Super-Tuning方法提高了LLM微调效率
研究人员开发了一种名为Super-Tuning的新方法，旨在提高大型语言模型（LLM）微调的效率。该技术重用了模型剪枝中的显著性信号来识别需要调整的参数。提出的Super方法使用校准过程中的激活加权幅度得分来选择一个小的可训练支持，而Supra变体将其与LoRA适配器结合。在Llama-3.2-1B和Meta-Llama-3-8B模型上的实验表明，Super/Supra变体在测试的适配器配置中达到了高精度，表明受剪枝启发的排序可以有效…
-
ProACT框架赋能协作任务中的主动AI代理
研究人员开发了ProACT，一个旨在让对话代理在多用户协作环境中更主动的新框架。与目前仅响应直接命令的被动代理不同，ProACT能够识别并干预协作中的问题，例如分歧或目标不明确。该框架在一个涵盖各种协作任务的新基准上进行了评估，并在多种LLM骨干模型上展示了在恰当性、非打扰性和干预质量方面的改进。
-
新数据集从Reddit提取药物洞察
研究人员开发了ReDose，一个包含6,435个关于物质使用的Reddit帖子的数据集，以帮助医生更好地了解临床过量病例之外的真实世界药物使用情况。该数据集由一位毒理学家和医学生标注，包含DRUG、DOSE和EFFECT等实体。在对各种模型进行基准测试时，BiomedBERT在DRUG实体提取方面表现强劲，而Llama-3 70B在整体提取方面优于GPT-4。该研究强调了从用户生成内容中准确提取EFFECT实体的持续挑战。
-
新的SUPRA方法通过基础模型改进多模态图学习
研究人员开发了一种名为SUPRA的新方法，以解决多模态属性图学习的挑战，特别是在使用大型基础模型时。传统方法面临困难，因为节点属性和图结构的强制聚合会引入噪声，从而降低性能。SUPRA采用解耦的双通路方法，将特定模态的特征与结构信息分开处理，与现有的多模态图Transformer相比，提高了性能，并显著减少了训练时间和内存使用。