论文提出精确安全约束解码方法
热点事件持续更新
论文提出精确安全约束解码方法
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Animesh Agarwal 等研究者在 arXiv 论文中提出用基于混合整数线性规划的全局精确解码器,替代局部修复策略,在药物推荐中执行药物相互作用(DDI)安全约束。该解码器在固定模型分数下联合选出得分最高的可行药物集合。 实验使用 FLAME 冻结分类器在 MIMIC-III 上生成的固定药物分数进行对比。结果显示,在各 DDI 约束设置下,全局解码的 Jaccard 相似度均高于贪心修复等局部方法,在测试集最严格的 DDI 工作点上比最强局部基线高 +0.0064。研究者据此称,即使模型分数固定,分数转化为约束药物集合的方式也会显著影响最终预测。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
从分数到安全集合:药物推荐中的精确安全约束解码研究报道时间线
沿着报道,了解事件的不同侧面。
10月23日
- arXiv cs.AI从分数到安全集合:药物推荐中的精确安全约束解码研究
一项 arXiv 研究比较了药物推荐系统中局部修复策略与基于混合整数线性规划的精确全局解码器,使用 FLAME 冻结分类器在 MIMIC-III 上的固定分数进行对比。在固定 DDI 约束下,全局解码的 Jaccard 相似度始终高于贪心修复等方法,在测试集最严格 DDI 设置下比最强局部基线高 +0.0064。结果表明即使模型分数固定,分数转化为约束药物集合的方式也会显著影响最终预测。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。