GeoRVQ：解码器感知的生理信号残差量化
原文标题：GeoRVQ: Decoder-aware geometry for residual-token prediction in physiological signals
重要度 1/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 GeoRVQ，一种由冻结波形解码器局部响应驱动的由粗到细掩码 token 模型，用解码器代价构造几何感知软目标。在 MIMIC-IV Waveform、VitalDB、CODE-15% 上，精确 token 准确率、解码距离与 R 峰 F1 均有改善。结果表明解码器感知目标能在不显著提升 token 准确率的情况下更好保留波形与事件。
- 问题
- 生理波形RVQ掩码建模把所有错误token视为同等代价，忽略解码器实际影响。
- 方法
- 用冻结波形解码器的局部响应构造几何感知软目标，并按粗到细的残差依赖做因果预测。
- 结果
- 精确token准确率从0.133升至0.143，解码距离从0.606降至0.393，R峰F1从0.784升至0.837
- 影响
- 说明token准确率不是关键指标，解码器感知目标能更好保留波形与事件，可指导生理信号tokenizer设计。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。