PATH
PulseAugur coverage of PATH — every cluster mentioning PATH across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
结构化SVM Fisher一致性研究新进展
本文研究了结构化支持向量机（SVM）的Fisher一致性，这是其准确性的必要条件。作者证明了任务损失度量常用的测地线点要求对于标准argmax解码器来说并不充分。他们使用一个四输出星形图提供了最小反例，并对树度量进行了分类，表明argmax一致性仅对路径图成立。研究还确定了某些度量族和汉明立方体存在反例，突显了在某些多面体设置中，校准链接与规定的argmax链接之间存在差距。
-
MCP工具易受通过未经验证的LLM输入进行命令注入的攻击
在模型上下文协议（MCP）工具中发现了一个安全漏洞，允许进行命令注入。当用户提供的输入（如文件名或目标格式）在未经适当清理的情况下用于构造shell命令时，就会发生这种情况。攻击者可以通过精心设计的恶意输入来利用此漏洞，诱使模型在服务器上执行任意命令。文章详细介绍了易受攻击的模式，解释了为什么像引用或黑名单这样的常见修复方法不足以解决问题，并提出了一种通过白名单输入、验证路径以及使用参数向量而不是shell来解决问题的健壮方案。
-
新的PATH方法改进了表格数据的区间预测
研究人员开发了PATH，一种利用自回归树层次结构对表格数据进行区间预测的新颖方法。该方法模拟了区间的层次结构几何，学习概率质量如何从较大的区间流向较小的、嵌套的区间。通过将学习与提取对齐，PATH精炼了概率分布，以生成更短、更准确的预测区间。在包含56个OpenML回归数据集的PATHBench数据集上的评估中，PATH显著优于24种基线方法，实现了0.1473的平均归一化长度，同时保持了0.9144的平均覆盖率。
-
AI代理临时文件泄露通过Guard模式修复
AI代理的临时文件在后续运行中可能导致问题，如果未正确清理。一个常见问题是，当陈旧文件（如前一次运行的JSON载荷）被新运行错误地处理时，会导致不正确的输出。为防止这种情况，可以实现“Guard”模式。该模式在管道开始前注册所有预期的临时文件，如果遇到任何未注册的文件则停止执行。此外，将运行标识嵌入每个临时文件中，可确保陈旧文件能够自我识别并被未来的运行拒绝。
-
AI 代理创建个性化产前护理计划，GPT-5.2 在评估中领先
研究人员开发了 PATHFinder Agent，这是一个会话式人工智能系统，旨在根据美国妇产科学院的 PATH 指南制定个性化的产前护理计划。该代理通过对话收集患者的健康和社会信息，综合护理计划，并识别相关的社区资源。在评估中，GPT-5.2 在测试的大型语言模型中表现最佳，在五个临床维度上得分 77.6%，但它也指出了产前检查建议中的不足之处。未来的工作包括通过人类研究和临床试验进行验证。
-
新基准TRAPS评估AI在癌症治疗预测中的应用
研究人员开发了TRAPS，一个用于通路引导的癌症治疗反应建模的新基准。该研究评估了三种具有生物学知识的深度学习架构——BINN、GraphPath和PATH——在来自The Cancer Genome Atlas的五个癌症队列中的表现，共计2,622名患者。结果表明，没有单一架构能在所有预测任务中都表现出色，其中PATH在靶向分子治疗方面表现强劲，BINN在生存预测方面表现强劲，而GraphPath在预测前列腺癌靶向分子治疗方面取得了…
-
新的基准和框架出现，用于评估医疗领域的大语言模型
研究人员开发了新的基准和框架来评估大语言模型（LLMs）在医疗领域的性能，解决了现有数据集的局限性。Google Research 推出了 AfriMed-QA，这是一个用于非洲健康问答的综合数据集，以及一个使用自适应精确布尔评分标准评估健康 LLMs 的可扩展框架。此外，新的研究探索了多模态 LLMs 的以实体为中心的数据工程以及大规模荷兰医疗语言语料库的创建。