Pearson
PulseAugur coverage of Pearson — every cluster mentioning Pearson across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新的DMT-Dens方法在保持密度的同时可视化生物数据
研究人员开发了DMT-Dens，一种用于低维生物数据可视化的新方法。该技术使用Transformer编码器来保持观测值的密度，这对于准确解释稀有或过渡性细胞状态至关重要。DMT-Dens在生物数据集上展示了强大的密度保持能力和具有竞争力的标签可分离性，其源代码可在Hugging Face和DagsHub上获取。
-
新研究模拟人类分两阶段检测AI图像编辑
一篇新的研究论文提出了一个两阶段模型，用于理解人类如何检测AI生成的图像编辑，区分了注意力捕获和判断准确性。该研究涉及59名参与者和一项眼动追踪实验，发现编辑区域主要影响注意力捕获，而语义合理性则影响判断准确性和忽略编辑的可能性。开发了一个基于Transformer的生成式眼动模型，以计算方式操作化注意力捕获阶段，显示出与注意力水平的强相关性，并在预测被忽略的编辑方面表现适中。
-
新框架增强LLM时序推理评估
研究人员开发了新的框架，以更好地评估大型推理模型（LRM）的时序推理能力。一种方法TRACE，将时序推理建模为使用Allen区间代数的约束满足问题，从而实现细粒度的难度控制和基于迹的验证。另一种方法声明级可靠性评估（CLR），侧重于在推理过程中证伪关键声明，而不是验证整个过程，这可以减少令牌使用并提高准确性。这两种框架都旨在揭示传统基准可能忽略的推理缺陷，例如虚假猜测和与规模相关的故障模式。
-
基础模型适配心脏MRI分析，实现强大的分割和射血分数估计能力
研究人员已将基础模型应用于心脏MRI扫描分析，在cine MRI不同视角的分割和射血分数估计方面取得了优异成果。这些模型在短轴、两腔和四腔视角的cine分割中展现出高Dice分数。尽管LGE瘢痕分割仍具挑战性，但直接射血分数回归模型实现了较低的平均绝对误差和较高的Pearson相关系数，表明这些适配的基础模型在多视角心脏分析中的有效性。
-
SoftMCC框架增强了不平衡分类模型的选择
研究人员推出了一种新颖的训练后框架SoftMCC，旨在改进不平衡二分类任务的模型选择。该方法通过利用概率值混淆计数，解决了传统Matthews相关系数（MCC）验证中固有的阈值依赖性问题。跨多个设置的实验表明，与AUPRC和[email protected]等其他指标相比，SoftMCC实现了更优越的稳定性和排名，尽管在所选模型的效用方面未显示出优势。
-
调查发现雇主难以找到具备AI技能的毕业生
皮尔逊和AWS的最新调查显示，53%的雇主发现难以招聘到具备足够AI技能的毕业生。挑战不仅在于技术熟练程度，还包括AI工具的实际应用、AI生成输出的验证以及对人类监督必要性的理解。这凸显了学术机构教授的技能与现代劳动力市场的实际需求之间日益扩大的差距，并引发了关于谁应负责弥合这一差距的问题。
-
新的HydroAgent框架将预报员的专业知识形式化以进行洪水预测
研究人员开发了HydroAgent，一个将大型语言模型（LLMs）集成到洪水预报工作流程中的新颖框架。该系统旨在通过在LLM推理中嵌入明确的规则来指导操作预警决策，从而将人类预报员的默示专业知识形式化。在南亚姆希尔河流域使用五种不同的LLM进行测试，HydroAgent证明了其在大多数事件中以5%的容差准确预测峰值流量和洪水量的能力，显著优于现有的基线方案。
-
Anthropic 推出新的 Claude 助理、开发者和架构师认证
Anthropic 扩展了其 Claude 合作伙伴网络 (CPN)，新增了三个认证类别：助理 (Associate)、开发者 (Developer) 和架构师 (Architect)。这些认证有效期为 12 个月，旨在围绕 Claude 建立生态系统并指导用户进行应用。新的认证包含更新的准备课程，通过 Pearson 进行管理，并通过 Credly 颁发徽章。
-
AOC和Pearson在当地污染担忧中参观xAI数据中心
AOC和Pearson参观了位于孟菲斯Paul Lowry路的一个xAI数据中心。该设施归SpaceXAI所有，也由Anthropic使用。此次参观正值当地居民就发电机涡轮机的污染和数据中心从含水层取水问题提出环境和邻里投诉之际。
-
量子网络路由研究采用对抗性协同学习
本研究论文探讨了使用Ekert-91协议的量子网络路由的对抗性赌博机问题。该研究模拟了一个场景，其中Alice选择一条路由，而Eve试图通过各种攻击面来削弱网络。通过在50种拓扑结构上采用对抗性协同学习，该论文证明了学习到的保留率与minimax参考值非常接近，瓶颈路由的保留率为零，而非瓶颈路由遵循覆盖原则。利用决策树解释模型进一步分析了研究结果，并为量子中继器网络博弈中的证据总结提供了一个开源工作流程。
-
BERT 模型在网络安全研究中用于 CVE 到 CWE 映射的比较
一篇新的研究论文探讨了不同 BERT 模型在将常见漏洞和暴露 (CVE) 映射到常见弱点枚举 (CWE) 类别方面的有效性。该研究使用 BERT Base、SecureBERT 和 CySecBERT 比较了多类别和多标签分类方法。结果表明，多类别训练通常能获得更高的宏观 F1 分数，尽管在标签空间较小时差距会缩小。研究还表明，CWE 分类法的结构对分类错误有显著影响，其影响程度超过了编码器的选择。
-
研究发现：AI满意度信号对用户福祉预测能力较弱
一篇新发表在arXiv上的研究论文探讨了用户满意度信号（如评分和情感）与实际用户福祉之间的关系。该研究以书籍消费和评论为重点，发现传统的满意度指标仅与心理福祉的各个方面松散相关。研究表明，这些指标更多地与即时享乐体验相关，而非持久的幸福感体验。该论文还确定了与更高福祉结果相关的特定内容主题，例如与价值观和制度相关的主题，为内容推荐系统提出了更丰富的目标。
-
AI研究：图像编码的自然度可预测但并非可迁移性的原因
研究人员调查了一维数据流生成的图像的视觉自然度与其在视觉骨干网络上的可迁移性之间的关系。他们的研究使用了WorldStream语料库，发现像Fréchet Inception Distance (FID)这样的指标可以预测准确性，但这种相关性并非因果关系。相位扰动等干预措施，在保持功率谱的同时改变局部结构，显示了局部结构与准确性之间存在很强的联系，这表明视觉模型能够识别自然图像和编码数据中的相似结构。
-
Carta 利用人工智能和代理重塑其业务模式
股权管理公司 Carta 已成功将其生成式人工智能和代理集成到其业务模式中，从服务提供商转型为由人工智能驱动的产品业务。首席产品官 Vrushali Paunikar 强调了这一转变，包括试验 Anthropic 的 Claude 等工具来开发 CLI 和插件，这加速了他们对代理行为的理解。其他商业领袖，包括 Pearson 的 David Treat 和 Apply Digital 的 Ali Alkhafaji，强调了亲身实践和重…