Zwicky Transient Facility
PulseAugur coverage of Zwicky Transient Facility — every cluster mentioning Zwicky Transient Facility across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的深度学习模型在无人工标注的情况下对天文瞬变体进行分类
研究人员开发了一种新颖的深度学习框架，用于将天文瞬变体分类为真实或虚假，而无需人工标注数据。该方法利用注入的模拟瞬变体和受污染的调查数据集，采用不对称协同教学来处理不同的标签噪声水平。该框架还结合了混合不确定性量化策略，结合MC Dropout和深度集成，为其分类提供校准的置信度。该方法旨在实现时域调查中可扩展且一致的真实-虚假分类，即使在标签有噪声或有限的情况下也是如此。
-
LLM 为天文数据库查询的 text-to-SQL 提供支持
研究人员开发了一个利用大型语言模型查询天文数据库的 text-to-SQL 系统，特别是用于 Zwicky Transient Facility 和 Vera C. Rubin Observatory 的 ALeRCE 系统。该系统将自然语言问题转换为可执行的 SQL 查询，采用了一种新颖的逐步生成框架，包括模式链接、查询分类、提示分解和自我纠正。评估表明，该框架优于直接推理，其中 Claude Opus 4.6、Gemini 2.5…
-
新基准评估大语言模型在天文学分类和推理能力
研究人员推出了 AstroAlertBench，这是一个旨在评估多模态大语言模型在天文学事件分类中的准确性、推理能力和诚实度的新基准。该基准使用来自 Zwicky Transient Facility 的 1,500 个真实世界警报数据集，并测试了 13 个不同的大语言模型。研究结果表明，高准确性并不总是与模型自我评估其推理能力相关联，这会影响其作为科学助手的可靠性。