11:59
arXiv cs.AI@Shiyu Li, Ziqi Yan, Zhihao Wu, Jielong Lu, Weiran Liao, Jiajun Yu, Genjie Li, Zeyu Chu, Jiajun Bu, Haishuai Wang
推荐理由：这篇论文提出了一个接地气的智能体工作流DeepBD，用LLM辅助分析遗传变异，在18,622例队列中召回率比Exomiser和DeepRare都高，适合做基因诊断研究的参考。
全部 AI 动态
AI 相关资讯全量信息流
6月24日
11:59
DeepBD是一种基于智能体的工作流，用于遗传出生缺陷的变异优先级排序和诊断解释。该工作流包括LLM辅助病例结构构建、预训练证据引擎、专家证据模块和接地诊断审查层。证据引擎从结构化规则证据、序列和变异效应表示以及表型条件生物学背景中学习患者特定变异分数。基于包含18,622例的胎儿和婴儿队列开发，DeepBD在内部保留的已解决病例基准上实现了Recall@1/3/5/10分别为0.658/0.882/0.912/0.929，超过了Exomiser、DeepRare和基于提示的LLM重排序基线。消融和重叠分析表明，规则证据、机制背景和专家细化提供了互补信号。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月2日
09:39
09:39
arXiv cs.AI@Xin Su, Dawid Majchrowski, Fangyuan Yu, Vanshil Atul Shah, Sebastian Rogawski, Pawel Morkisz, Anahita Bhiwandiwalla, Phillip Howard
推荐理由：做LLM推理加速的团队终于有了一个能动态分配验证资源的方案——在智能体工作流中平均加速2.73倍，比EAGLE3还强，搞推测解码的开发者值得点开看看具体实现。
5月15日
09:50
09:50
arXiv cs.AI@Yu Zhang, Dongjiang Zhuang, Qu Zhou, Zheng Huang, Junhe Wu, Jing Cao, Kai Chen
精选
推荐理由：做国际贸易合规或海关数据自动化的团队，终于有了一个可解释、可审计的AI分类方案，比黑箱模型更可靠，建议直接看论文的六阶段流水线设计。
5月13日
19:12
19:12
arXiv: Anthropic@Neil Fendley, Zhengyu Liu, Aonan Guan, Jiacheng Zhong, Yinzhi Cao
精选85°
推荐理由：这是首个系统研究AI工作流安全风险的工作，使用GitHub Actions或n8n的开发者应立刻检查自己的工作流是否暴露在类似攻击下，建议点开了解具体攻击路径和防护建议。