AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:医学AI×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月1日
10:24
10:24arXiv cs.LG@Dylan Steiner, Gustavo Arango-Argoty, Gerald Sun, Etai Jacob
多模态肿瘤模型能做出准确预测,但无法判断其是否学到跨模态共享的生物学、单一模态的生物学,还是虚假相关性。研究者提出DECAT,一个模型无关的后验评估框架,通过五个零假设参考指标和规则决策,将多模态表征分为四种诊断场景。在合成数据(2500+训练表征)和真实TCGA数据(8979名患者)上验证,发现CLIP等纠缠模型在检测共享生物学上近乎完美,但在大多数不存在共享生物学的情况下错误声称存在,且错误率随混杂强度增加。DECAT无需知道具体混杂因素,就能检测出AUROC无法发现的混杂。
论文多模态医学AI评估框架混杂检测DECAT

推荐理由:做多模态医学AI的团队终于有了判断模型是否学到真实生物学的工具——DECAT能揪出被AUROC掩盖的虚假关联,建议做肿瘤多模态研究的开发者点开看看。
原文
精选全部日报登录