分性别训练的 AI 衰老时钟更准，混合模型漏掉睡眠障碍关键信号
bravo_abad · x · 2026-09-17
作者讨论生物衰老时钟的建模选择问题：这类模型先学习「正常衰老」的参考轨迹，再衡量个体偏离程度，因此数据混合方式本身就是建模选择而非中性默认。
关键发现：
- 研究者在多个器官和分子测量上分别训练女性和男性的衰老时钟，即使在样本量与年龄分布匹配的情况下，性别特异模型的泛化能力也优于混合模型，因为各自学到了自己的 normative 轨迹。
- 差异不止于预测性能：将睡眠障碍与免疫衰老关联的遗传分析在女性模型中得到显著信号，而性别混合模型中该关联不显著。
作者引申的 AI for Science 教训：当你关心的量依赖于「正常」的定义时，参考人群就成为模型的一部分，建模时须显式考虑。
「研究」频道最新
- 研究员筛选合成环境：Qwen 必败而 GLM5.3 能解，发现有趣行为倾向 — kalomaze · 2026-09-17
- 斯坦福将办「AI 时代的实证方法」大会,Athey 等学者出席 — StanfordHAI · 2026-09-17
- NVIDIA 系 MONAI 助力儿科心脏建模，4 小时工作缩至几秒 — LuizaJarovsky · 2026-09-17
- Meta 发布 FLAT:图文统一 1D 表征,T2I GenEval 达 71.1 — meta · 2026-09-17
- Conjectures 宣布 miner 求解悬置 34 年的 Erdős 问题 14 — ctjlewis · 2026-09-17
- Emergence World 论文：8 个多智能体世界在攻击下全部失守 — eyishazyer · 2026-09-17