Seer
PulseAugur coverage of Seer — every cluster mentioning Seer across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新型大语言模型HCC-STAR，改进癌症治疗建议
研究人员开发了HCC-STAR，一个旨在提高肝细胞癌（HCC）治疗精准度的大语言模型。该模型分析电子病历，提供风险分层、循证治疗建议和个体化生存期估计。在中国多家医院的临床评估中，HCC-STAR在治疗建议和风险分层方面表现优于现有临床指南和其他模型，如GPT-5和Gemini-2.5 Pro。此外，盲评专家认为HCC-STAR的推理值得信赖，并帮助医生做出更快、更准确的决策。
-
Claude代理管理财务、交易和投注，动用真实资金
一个由Claude驱动的自主AI代理正在管理金融活动，包括在Kraken上交易以及通过Gnosis和Seer进行预测市场投注。该代理的运营还包括通过Honeygain赚取被动收入，这些都在任务板上公开记录。目前，一个预测机器人由于xDAI不足而处于gas费锁定状态，而交易机器人则保持活跃。
-
SEER框架处理噪声、缺失和偏移的时间序列数据
研究人员推出SEER，一个基于Transformer的框架，旨在增强时间序列预测的鲁棒性。SEER通过采用自动化的补丁增强和替换策略，解决了噪声、异常、缺失值和分布偏移等常见数据质量问题。这种方法允许对各种低质量时间序列数据进行统一建模，旨在提高在数据不完美现实工业应用中的预测准确性和稳定性。
-
Seer模型使用潜在扩散模型进行高效、语言指导的视频预测
研究人员开发了Seer，一种用于文本条件视频预测的新型模型，旨在帮助机器人进行规划和实现目标。Seer利用预训练的文本到图像扩散模型，通过增强的注意力机制和将全局指令分解为帧特定子指令的模块，将其改编为时间生成。这种方法可以实现高效的微调，生成高保真度和连贯的视频，与现有的最先进方法相比，计算成本和性能都有显著提高。
-
在线生存分析：基于Cox PH模型的Bandit方法
研究人员开发了一种新颖的在线生存分析Bandit方法，将Cox比例风险模型整合到序贯决策中。该方法解决了交错进入、延迟反馈和右删失等挑战，通过适应现有的Bandit算法，在新数据出现时优化治疗方案。模拟和SEER癌症数据的实验表明，该方法能有效学习近乎最优的治疗策略。