Zihao Zhao
PulseAugur coverage of Zihao Zhao — every cluster mentioning Zihao Zhao across labs, papers, and developer communities, ranked by signal.
-
基于LLM的聚类为实时检索模型训练生成硬负例
一篇新的研究论文介绍了一种自监督方法，用于在大规模双塔检索模型的训练过程中实时生成“硬负例”。该技术利用大型语言模型（LLM）对媒体表示进行聚类，确保生成的负例比传统的批内或批外方法更具挑战性和信息量。所提出的框架旨在无缝集成到生产系统中，能够以最小的计算开销处理数十亿个数据点。在大型在线系统中的实验和部署证明了其优于现有行业方法的性能，表明它可以打破反馈循环并减少推荐中的流行度偏差。
-
MLLM代理在零样本疾病诊断方面显示出潜力，但临床部署仍遥遥无期
一项发表在arXiv上的试点研究探讨了多模态大型语言模型（MLLM）在零样本设置中区分视觉上相似疾病的能力。研究人员引入了一个使用对比裁决的多代理框架，在黑色素瘤与非典型痣以及肺水肿与肺炎的诊断任务上测试代理。虽然该框架在皮肤镜数据上准确率提高了11个百分点，并减少了无根据的声明，但由于缺乏临床背景和人类标注固有的不确定性等限制，总体性能尚不足以进行临床部署。
-
新方法探索用于神经网络的无梯度优化
研究人员正在探索用于优化神经网络的新颖方法，而不依赖于传统的基于梯度的方法。一篇论文介绍了一种用于可微优化的全一阶层，通过将问题重新表述为双层优化任务来避免计算量大的Hessian计算。另一项研究提出了一种在希尔伯特空间中进行无限维优化的无梯度方法，利用方向导数和自动微分，该方法在通过物理信息神经网络求解微分方程方面显示出潜力。在MNIST数据集上的实际演示成功地采用了一种无导数优化方法，在图像分类中取得了具有竞争力的准确率，并在高维…
-
自主编码代理赋能临床医生驱动人工智能开发
一项新的研究论文介绍了一种自主编码代理，旨在弥合临床医生和人工智能开发者之间的差距。这些代理可以将自然语言的临床需求转化为功能性的人工智能模型，并通过与临床医生进行迭代实验来改进它们。这种方法旨在使领域专家能够直接塑造人工智能开发，减少对专业人工智能团队的依赖，并可能带来更具临床相关性和准确性的模型。该系统在五个临床任务中取得了成功，特别是通过减少对不相关特征的依赖来提高了气胸分类模型的性能。