Soroosh Tayebi Arasteh
PulseAugur coverage of Soroosh Tayebi Arasteh — every cluster mentioning Soroosh Tayebi Arasteh across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
研究发现预训练域对私有医学图像AI至关重要
一篇新发表在arXiv上的研究调查了预训练数据对医学图像分析模型中隐私-效用权衡的影响。研究人员发现，与ImageNet等通用数据集相比，使用胸部X光片的预训练数据的域显著提高了差分隐私下的诊断准确性。即使预训练语料库本身是私有的，它仍然优于公共初始化，这表明在对医学成像模型应用隐私措施时，数据的来源比训练目标更关键。
-
自监督学习而非临床数据驱动医学AI模型收敛
一项发表在arXiv上的新研究调查了医学基础模型的表征收敛情况。研究人员发现，自监督学习目标比临床监督更能显著地驱动这种收敛。该研究分析了不同大小和模态的各种开源编码器，结果显示，虽然收敛性是适度的且在模态内部发生的，但它能够为下游任务（如分类）提供可迁移的性能。
-
新的CANDOR度量揭示了冻结AI编码器的弱点
研究人员开发了CANDOR，这是一种新的不一致性度量，旨在更准确地评估冻结基础编码器的能力。与以前的方法不同，CANDOR使用对称、等大的银行将机会水平固定在精确的50%，纠正了由发现的不平等流行度引入的偏差。通过在22个编码器和来自不同领域的605,443张图像上进行广泛测试，CANDOR显示，虽然没有编码器是完全盲目的，但所有编码器在辨别特定发现方面都表现出弱点，其性能通常低于预期。
-
大型语言模型（LLM）内部保留临床证据强度信号，但无法表达出来
一项新研究表明，大型语言模型（LLM）能够在其内部表征临床证据的强度，即使它们无法在其声明的评分中表达这种信心。研究人员发现，一个线性估计器可以从LLM表征中恢复这种证据强度信号，其中位数 AUROC 为 71.8，尽管该信号在很大程度上是词汇性的，并且没有随着模型规模的增大而提高。尽管存在这种内部信号，但模型对证据强度的声明评分常常处于随机水平，这表明其内部理解与其外部沟通之间存在脱节。
-
新研究增强了用于医疗、检索和机器人任务的视觉-语言模型
研究人员正在开发新方法来改进各种领域的视觉-语言模型（VLM）。一篇论文介绍了CoT-Mediate，一个用于评估生成推理如何影响VLM在医疗情境下预测的框架，发现推理的位置比其声明的来源更关键。另一项研究提出了ReToken，一个可学习的单一嵌入，通过选择相关的视觉标记来增强视觉检索，在Visual Haystacks和LVBench等基准测试中显示出显著的提升。对于机器人领域，BioVLN是一个专为生物医学实验室视觉-语言导航设计…