误差即信号:DR-GEM 用最大重构误差揪出单细胞数据中的稀有群体
bravo_abad · x · 2026-09-25
一条论文解读线程提出了一个反直觉的科学发现方法:模型拟合最差的地方,可能正是发现所在。
- 背景:多数机器学习流程以最小化误差为目标,但在科学数据中,最大误差往往指示模型未能理解的结构
- 在 8 个真实单细胞数据集上,稀有细胞类型、状态或扰动出现在最高重构误差样本中的概率是平均水平的 1.15 至 9.18 倍——因为稀有群体对平均损失的贡献太小,无法塑造学到的表征
- DR-GEM 方法把误差当作搜索信号:识别重建不佳的样本,在重建表征时提高其权重,再通过平衡子采样检验所得结构能否跨样本复现
- 结果是原本被 embedding 忽略的模式变得可见,为稀有生物学现象的发现提供了新范式
「研究」频道最新
- Odyssey 发布 Agora-2:20 人与 AI 智能体同场实时互动 — SimplyAnnisa · 2026-09-25
- Nature 子刊观点:神经科学为何可能需要量子计算 — introspection · 2026-09-25
- 一条 prompt 调度 6 个 MLIP 模型,AI 智能体筛选电池正极材料 — BenBlaiszik · 2026-09-25
- 伯克利联合 Transluce 启动长期 AI 使用影响大型研究,招聘博士后 — 2plus2make5 · 2026-09-25
- 125M 小模型对齐 200 倍大 LLM？学界争议 Jev 是否借鉴前作 — zmkzmkz · 2026-09-25
- LiquidAI 把投机解码扩展到视觉语言模型，文本图像统一处理 — JosephJacks_ · 2026-09-25