唐诗地域密码:0.69准确率猜出诗人籍贯
这篇论文很有意思,居然把唐诗当成“地域指纹”来做分类。更妙的是,它不只看准不准,还顺手给文学史抛了几个能讨论的线索:地理距离、时代变化、中心与边缘,模型犯错都能讲出故事。
LONGGE AI RESEARCH DAILY
每天筛选值得关注的 AI 论文,用工程视角拆解方法、实验和真正的落地价值。
目前已发表 1573 篇文章
这篇论文很有意思,居然把唐诗当成“地域指纹”来做分类。更妙的是,它不只看准不准,还顺手给文学史抛了几个能讨论的线索:地理距离、时代变化、中心与边缘,模型犯错都能讲出故事。
零售预测最怕两件事:一是算得慢,二是上下层对不上。本文这个 e2eTD 很会省事——只盯住少量更好预测的上层序列,再把概率样本一路“分糖果”分回底层,既快又一致。
这篇论文把“宇宙早期有没有搞小动作”这件事,搬到了 DESI DR1 的星系巡天里来验算。更妙的是,它不只报结果,还顺手给出一套处理成像系统误差的实战方案,读起来像宇宙学版“查账单”。
这篇论文专治“工具变量看着挺猛,一做多变量就腿软”的老毛病。MVMR-Pony 用贝叶斯思路把弱工具偏差压住了,模拟和真实肾病案例都能看出它比传统方法更稳一点,适合想把因果推断做得更扎实的人。
这篇论文把自动驾驶里最爱“各干各的”的感知和规划,硬生生塞进同一个扩散框架里一起去噪。再配上TTM和ARS两个补丁,既照顾时序,又盯住训练推理偏移,属于那种思路很顺、工程也不算太虚的方案。
这篇论文把“选模型”从拍脑袋拉回到贝叶斯证据的正轨。更妙的是,它直接拿7个系外行星系统开刀,看看哪种偏心率、噪声和趋势模型更靠谱。
这篇论文很实在:不跟你玩虚的,直接把金融网站的点击流拆成“可预测的嵌入”和“人能看懂的意图标签”。更妙的是,LLM 负责起名,小模型负责上生产,速度和效果都没掉链子。
当「图基础模型」遇上「公平评测」, 结果发现9个模型里7个是花架子?这不就是AI界的照妖镜嘛!😏 本文用最硬核的实验设计,把各路GFM拉到聚光灯下,扒掉了华丽外衣,告诉我们:经典GNN调好了,依然是条好汉。这篇ICML 2026论文,龙哥看得直呼过瘾,强烈建议所有的图学习研究者都来「上好这一课」!
继2026年6月聊过DES Y3结果后,DES团队再次放出大招——用六年完整数据,将弱引力透镜、超新星、重子声波振荡三个探针首次在单一巡天内联合,给动态暗能量来了个“全身体检”。结果很有看头:与宇宙学常数的偏差高达2.2到3.0σ,在暗能量与物质相互作用等新物理模型上给出了前所未有的限制。这对于关心宇宙加速膨胀本质的你,绝对值得一读。
室内占据预测,传统方法要么算得慢,要么基元浪费。南方科技大学这篇FLM-Occ,直接把问题换个角度定义——从分类变成估计分布,用最大似然训练。结果呢?只用32个基元,精度超越SplatSSC的1200个,速度还快了快4倍!这思路,有点东西。
影像基础模型(比如专为MRI设计的)在预测脑胶质瘤IDH突变时,居然打不过一个基于影像组学的表格基础模型?瑞士伯尔尼大学团队的最新研究做了个扎心的对比:四个主流视觉基础模型轮番上阵,结果被TabPFN表格模型轻松反杀。是基础模型“水土不服”,还是“老”方法被低估了?这篇关于胶质瘤IDH预测的系统性基准研究,值得所有关注AI医疗落地的读者一看。
让最先进的MRI基础模型和“老古董”放射组学同台竞技,结果传统方法完胜?这篇论文对所有搞医学影像AI的人来说,都是一盆清醒的冷水。它告诉你,大模型未必是万能药,基线方法才是真正的试金石。
LONGGE AI COMMUNITY
加入「龙哥读论文」知识星球,持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群:添加微信 kangjinlonghelper,备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球