Refine
PulseAugur coverage of Refine — every cluster mentioning Refine across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的REFINE框架推动轨迹表示学习
研究人员推出了一种新颖的轨迹表示学习框架REFINE。与依赖固定增强的先前开环方法不同，REFINE利用受反馈控制理论启发的闭环转录细化过程。该方法将生成式重建与受反馈驱动的对比学习相结合，以捕获局部运动语义和全局依赖性。实验表明，REFINE在各种下游任务上的表现优于现有方法，同时保持了计算效率和可扩展性。
-
新的REFINE框架可根据电子病历个性化医疗概念表示
研究人员开发了REFINE，一个新颖的框架，旨在从电子健康记录（EHRs）中创建个性化的医疗概念表示。该方法通过构建患者特定的时间图谱，并使用强化学习策略来确定每个观察到的代码的最佳知识图谱（KG）上下文，从而对文本属性知识图谱（TKGs）进行精炼。然后，一个异构图神经网络捕获结构依赖性，同时一个冻结的大型语言模型使用图感知软提示对这些表示进行语义精炼。在MIMIC-III和MIMIC-IV数据集上进行的实验表明，REFINE显著增强…
-
新的REFINE框架增强了AI模型在纵向预测中的可解释性
研究人员开发了一个名为REFINE（冗余利用随访信息非线性增强）的新框架，以提高精神病学等领域的预测模型的可解释性。该方法通过学习基线测量的非线性、项目对齐的预处理来分离预处理与预测。然后，通过线性系数矩阵将稳定后的数据映射到未来的严重程度，从而在不牺牲预测灵活性的情况下实现全局可解释性。实验表明，REFINE在纵向预测任务上优于其他可解释方法。
-
新框架增强了低数据量下的合成表格数据生成能力
研究人员开发了一个名为 ReFine 的新框架，以改进合成表格数据的生成，尤其是在数据量少的场景下。该方法解决了现有方法（如 GAN 和微调的 LLM）的局限性，这些方法通常需要大量参考数据，并可能产生分布漂移或冗余的输出。ReFine 利用嵌入到提示中的符号化 if-then 规则来指导生成，并采用双粒度过滤来减少过采样同时保留重要的稀有样本，在下游任务性能方面表现出显著的改进。
-
Refine 发布注重隐私的 Mac 离线语法检查器
Refine 是一款适用于 macOS 的新型离线语法检查器，它通过完全在用户设备上运行来优先考虑用户隐私。这种方法无需互联网连接，确保敏感文本不会发送到外部服务器。该工具专为专业用途而设计，可在不损害数据安全的情况下提供高级语法检查功能。
-
ReFinE插件连接人机交互研究与UI设计工作流
研究人员开发了ReFinE，一个Figma插件，旨在帮助UI设计师将人机交互研究论文中的见解整合到他们的工作流程中。该工具分析模型并从学术文献中提取相关的设计启示，提供可操作的视觉指导以进行更新。技术评估和用户研究表明，ReFinE可以减轻认知负荷，增强设计师将研究成果融入UI模型的能力，从而弥合学术研究与实际设计之间的差距。
-
OpenAI 发布 GPT-5.6，扩展 ChatGPT 广告业务，并探索企业 AI 采用 · 跟踪 10 个来源
OpenAI 发布了 GPT-5.6，这是一个新的前沿智能模型，强调每 token 智能的提升、每美元性能的改进以及复杂任务的增强的按需能力。此次发布遵循了 OpenAI 扩大 AI 访问的更广泛战略，ChatGPT 广告业务达到 10 亿美元的年化收入运行率及其全球扩张证明了这一点。该公司还在探索企业如何整合代理式 AI，重点关注组织设计以跟上 AI 进步的步伐，并通过新的记分卡衡量 AI 投资回报率。