Scholars

2025 年，单细胞测序成本跌到几分钱一个细胞，全球生物数据库以 EB 级膨胀。但一个尴尬的事实正在被悄悄承认：检验多组学整合方法到底灵不灵的’标准答案’，是人为编出来的。 SimOmics （ arXiv:2507.09967 ）这套 R 语言仿真工具包，用精心设计的假数据，正在取代真实样本，成为方法学的真正裁判。 你拿到的真实数据，恰好证明不了你的方法 在生物信息学圈，公开数据集是科研的硬通货——GEO 上万个 GSE ， TCGA 几千个样本， cellxgene 几百万细胞。每个发 CNS 的方法都要在’真实数据’上跑一圈，仿佛沾上 real data 四个字就有了金身。 但金身是虚的。真实数据有个致命缺陷：没有标准答案。你拿转录组、蛋白组、代谢组去跑 MOFA2 ，方法告诉你’我找到了 5 个共享因子’——可 …
阅读更多

在精准肿瘤学里，一个被默认的常识是：喂给模型的标注样本越多，癌症亚型分型就越准。但2025年8月挂上arXiv的GTMancer框架，用一份不到1500字的实验设置，把这条铁律劈成了两半——全量7个公开癌症数据集上，仅用10%的有标签样本进行半监督训练，模型最终在测试集上的F1与准确率全部碾压SOTA。更离谱的是，当标签比例压到1%时，UCEC数据集上的亚型分类表现依然稳居榜首。是的你没看错，数据少了九成，结果反而更准。 主流叙事的第一道裂缝 过去十年，癌症多组学融合的叙事始终被一个隐含假设主导：基因组、转录组、表观遗传、蛋白质组……不同组学像各自为政的诸侯，必须用更复杂的图神经网络、更多层的注意力、更高阶的对比损失，才能勉强把它们"缝合"到一个统一表征里。结果是模型参数爆炸、训练成本飙升、对标注数据的依赖也水涨船高。一篇典型的多组学GNN论文，动辄要30%到50%有标 …
阅读更多

当你看到一段AI生成的虚拟人视频时，第一眼就能感觉"哪里不对"——这种微妙的不适感，业界称之为"恐怖谷"效应。问题的根源不是视觉渲染不够真实，而是AI系统对"情绪"的理解和控制能力，几乎为零。 一篇最新论文（2503.14295）带来了一项名为PC-Talk的突破性框架，首次在音频驱动的人脸生成中实现了精确的情绪控制和唇音同步分离。这项研究不仅在学术数据集上刷新了SOTA，更揭示了数字人技术走向真实应用的关键路径。 “恐怖谷"的真正根源：为什么现有方法总是不够"自然”？ 在深入技术细节之前，我们先理解一下为什么现有的Talking Face生成技术总是差那么一口气。 当前的主流方案，如Wav2Lip、SadTalker、EMO，已经能够实现相当不错的唇音同步。但它们的共同弱点是：生成结果 …
阅读更多

想象一下，你问AI助手：“苹果公司2022年12月30日的市盈率是多少？“它却给你列出了2024年的所有财务数据，然后一本正经地回答了你的问题。这不是科幻，这是当前金融多模态RAG系统的真实水平。 当RAG（检索增强生成）技术在金融领域被吹捧为"颠覆传统投研"的神器时，一篇最新论文（2503.05185）用实证数据狠狠地揭开了这个领域最尴尬的秘密：现有的金融RAG系统，连"时间"这个最基本的金融分析维度都处理不好，更别说多模态融合了。 FinTMMBench：一个让所有RAG系统"见光死"的基准测试 这篇论文的核心贡献是构建了FinTMMBench——第一个专门评估时间感知多模态金融RAG系统的基准测试。这个benchmark的构建过程本身就充满挑战： 研究团队收集了2022年所有NASDAQ-100公司的 …
阅读更多

当你以为华尔街的基金经理们还在用Markowitz的古典组合理论做投资时，一群数学家已经悄悄把他们拖进了一个更残酷的博弈场——在这里，你的回报不是绝对的，而是相对于竞争对手的。谁落后，谁就死。 一篇最新论文（2503.02722）用严格的数学证明揭示了一个令人不安的事实：在竞争激烈的基金行业，超额收益（excess return）而非绝对收益，才是决定生死的终极度量。而围绕这个度量建立的博弈模型，正在动摇传统投资理论的根基。 为什么"跑赢大盘"比"赚钱"更重要？ 这是一个违反直觉但极其重要的洞察。 论文指出，在真实的基金行业，资产管理公司的真正目标不是简单的资本增值，而是相对表现——跑赢同行，超越基准指数（如沪深300、标普500）。原因很残酷： 首先，投资者用排名做决策。 基金行业有一个近乎残酷的"锦标赛效应"：资金永远流向过去 …
阅读更多

当科技大佬们在硅谷的发布会上侃侃而谈"AI革命"时，他们永远不会告诉你：那些让AI变"聪明"的数据，是阿根廷、巴西、委内瑞拉的高学历年轻人在昏暗的房间里一个标签一个标签敲出来的——每标注一张图片，赚不到一美分。 一项最新研究（2502.06317）用实证数据撕开了AI产业最不为人知的秘密：所谓"人工智能"的背后，是一张盘踞全球、跨越国界的数字劳动供应链——而拉丁美洲是这条供应链上最廉价、却最关键的劳动力来源地之一。 被"隐形化"的300万人：数据工作者的真实处境 研究选取了阿根廷、巴西、委内瑞拉三个拉丁美洲大国，对数据工作者进行了大规模混合方法调研。问卷调查与深度访谈交织，勾勒出了一幅令人窒息的画面： 这些人不是文盲，不是难民，不是被社会抛弃的边缘人。 他们中的大多数拥有大学学历，精通英语，熟悉电脑操作。他们本 …
阅读更多

一份横跨5年、涵盖57项研究的系统综述，撕开了金融欺诈检测领域最不愿面对的真相：深度学习在论文里所向披靡，在真实战场上却问题重重。 全球每年因欺诈损失的资金高达数万亿美元——这个数字大到普通人根本没有概念。传统检测方法（人工审核、规则引擎）早已被海量的数字交易淹没，而深度学习被寄予厚望，仿佛是一剂万能解药。 但一篇最新系统综述（2502.00201）用数据说话，给整个行业泼了一盆冷水：深度学习在欺诈检测领域的表现，远没有宣传的那么光鲜。 数据揭示的残酷现实：信用卡欺诈研究"内卷"成灾 这篇综述分析了2019-2024年间57项经过同行评审的研究，发现了一个令人不安的分布失衡：信用卡、银行和保险欺诈检测占据了绝对主导地位，而加密货币欺诈、税务欺诈、洗钱检测等领域几乎无人问津。 这种"研究内卷"不是偶然的。信用卡欺诈有现成的数据集，银行和保险欺诈有明确的 …
阅读更多

当科学家们还在用传统统计学方法勉强拼凑基因组、转录组、蛋白质组的数据碎片时，深度生成模型已经悄悄撕开了这个领域最丑陋的伤疤。 你有没有想过，为什么同样的癌症，有的患者存活率极高，有的却迅速恶化？答案可能藏在那些被传统方法严重低估的多组学数据里——基因组、表观基因组、转录组、蛋白质组、代谢组……每一个都是生命密码的一个维度，而医学界长期以来只能用盲人摸象的方式解读它们。 最近一篇发表在arXiv上的技术综述（2501.17729）揭开了一个令学界不安的事实：多组学数据整合的革命，不是即将到来，而是正在发生——而大多数研究者还没准备好。 被"维度诅咒"封印了几十年的生命科学 多组学研究的潜力是惊人的。TCGA、ICGC、ProCan等 consortiums 已经积累了海量数据，理论上足以揭示癌症的分子机制、发现新药靶点、识别生物标志物。但现实是，这些数据在绝大多数机构里处 …
阅读更多

在腾讯广告系统里，一个预测框架上线后，ARPU（每用户平均收入）拉出 4.5% 的涨幅。撬动这个数字的核心变量，既不是更精准的点击率预估，也不是更复杂的用户画像，而是"用户没点击的那条记录"。这条看起来反直觉的路径，正在改写广告系统的预测范式。 主流预测模型，把最贵的数据扔进了垃圾堆 过去几年，广告系统的预测战场几乎被"点击率"三个字独占。工程师们比谁的 DNN 更深、谁的特征交叉更花哨、比谁能从用户历史点击里榨出多零点几个百分点的 AUC。但这场军备竞赛从一开始就埋着盲区：用户看见了广告、考虑了三秒、最终没点，这条数据在绝大多数系统里连日志的正式席位都没有。 这恰恰是工业界最荒诞的错配。真正决定一个广告系列能否跑出预算的，从来不是单次点击的概率，而是用户在持续曝光下的疲劳曲线。一条广告在用户面前出现第 1 次时点击率可能有 8%，第 3 次降到 …
阅读更多

2024 年初发表的一篇论文测试了 11 个主流大模型在心理诊疗摘要任务上的表现。跑分冠军 MentalLlama 在自动评测中遥遥领先，但人类专家的盲审结论却是：这些模型在临床敏感维度上集体失灵，尤其对自杀风险和疗效评估几乎无能为力。 ROUGE-1 拿到 30.86 ，是胜利还是笑话 在 MentalCLOUDS 数据集（ 191 场心理咨询对话）的竞技场上， MentalLlama 以 ROUGE-1 F1 值 30.86 的成绩登顶。这个数字乍看很美——比第二名高出几个点，在"症状与病史"摘要子任务上一骑绝尘。但任何盯着这一行数字超过十秒的人都会发现一个尴尬的事实： ROUGE-2 只有 5.46 ， ROUGE-L 仅 19.4 。这不是"碾压式胜利"，而是一场集体低分竞赛中的相对领跑，所谓"领先"，不过是矮子里拔将军罢 …
阅读更多

3D重建领域有条不成文的铁律：输入越清晰，模型输出越精确。但2024年底一篇被arXiv收录的论文，正在系统性拆解这条铁律——它拿"拍糊"的失焦图像当训练数据，在Deblur-NeRF合成数据集的Factory场景上把LPIPS压到0.0489，比号称最懂模糊的BAGS又低了三成多；更离谱的是，它在NeRF-LLFF这种以"全清晰"著称的基准上，也反超了原生3DGS。这不是某项指标的偶然抖动，而是对"清晰即正义"这一行业信仰的正面宣战。 把"拍糊"塞进3D高斯球 传统3D Gaussian Splatting自2023年横空出世以来，靠"先把世界撒成一亿个发光小雪球、再用光栅化一帧帧画出来"的暴力美学，在实时性与画质之间撕开一道口子。但它的硬伤同样刺眼：默认输入是"理想针孔相机 …
阅读更多

一台搭载 M3 Max 的 MacBook Pro ，仅凭 Python 的 mpi4py 模拟分布式网络，就在三类任务——线性最小二乘、逻辑回归、 SVM——上把对标算法的收敛速度拉到了 12 倍。该怀疑的显然不是硬件配置，而是行业里那条流传了十余年的"分布式必然慢"铁律。问题在于，这条铁律究竟是被网络物理上限卡住的，还是被喂出来的？ 被高估的"经典算法" 分布式共识优化领域长期被一类"加权平均梯度法"（ WAGM ）所主导。它的逻辑看起来优雅：每个节点与邻居交换信息、加权求和，再以小步长做梯度下降——部署门槛低、理论分析成熟，似乎是教科书级别的稳妥首选。但论文对比实验给出了不留情面的答案：在三类任务上， WAGM 都需要远超 PPCM 的迭代轮数才能逼近同等精度，它牺牲的不是几十毫秒的延迟，而是十倍数量级的运行时间。换言之，被 …
阅读更多

顶级私募正在悄悄换血。他们抛弃的不只是某家 SaaS 厂商，而是一整套依赖外部工具的决策范式。arXiv 上一篇被广泛引用的研究把这件事讲得很透：投资行业正站在平台颠覆的"起飞段"，而绝大多数基金还没意识到，自己花大价钱买来的那套软件，正在变成阻碍竞争力的最大负资产。 第三方软件的四个死穴 买了十年彭博终端、堆着最贵 CRM 的基金，正在集体踩进同一个坑。 个性化缺位。第三方软件本质是"通用工具"。它不知道你这只基金专投 SaaS 早期轮、另一只死磕东南亚消费，所以它给出的 deal sourcing 清单永远是大路货。论文讲得直接：通用工具无法访问基金专属的投资论点，自然给不出真正差异化的推荐。 数据隐私悖论。把基金内部的组合数据、被投公司财务、上会纪要喂给第三方平台，等于把最核心的商业机密拱手让人。一家头部 PE 敢不敢把自己 LP 名单、估值模 …
阅读更多