标签: 模型鲁棒性

该标签下共有 2 篇文章

用物理原理模拟数据训练神经网络,让科学发现更靠谱

作者: aeks | 发布时间: 2026-08-13 10:00

学科: 物理学 系统科学 计算机科学与技术

科学家常在‘理论模型’(易懂但预测不准)和‘机器学习模型’(预测准但像黑箱)之间纠结。本文提出一种新方法:先用科学理论生成大量模拟数据,再用这些数据训练神经网络。该方法在疫情、生态等多领域预测中表现更优,且不怕理论不完善,还能解释预测背后的科学原理。

标签: 仿真驱动建模 模型鲁棒性 神经网络训练 科学可解释性 跨学科预测

评测大模型在生物医学文本处理中的表现:实用性和可靠性如何?

作者: aeks | 发布时间: 2025-11-29 18:03

学科: 临床医学 公共卫生与预防医学 生物医学工程 计算机科学与技术

为减少大语言模型的幻觉问题,检索增强型大语言模型(RALs)会检索外部知识,但它们在生物医学文本处理任务中的表现尚不明确。本研究创建生物医学检索增强生成基准(BioRAB),在5项任务、11个数据集上评估RALs的4项能力。结果显示,RALs总体优于标准大语言模型,但在反事实和多样场景下的鲁棒性及自我识别能力较弱。提出的检测-修正策略和对比学习方法显著改善了这些问题。

标签: 基准测试 检索增强型大语言模型 模型鲁棒性 生物医学自然语言处理 自我识别能力