跳到正文
热点事件持续更新

研究者提出LFS假设与SGES搜索方法

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

SiYuan Ma 等作者提出线性适应度子空间(LFS)假设:在突变引起的残基级表示变化中,存在一个紧凑且化验特异的方向集,使适应度变化能从少量带标签变体线性恢复。 基于该假设,作者构建了子空间引导进化搜索(SGES):先用小样本估计 LFS,再在子空间内完成代理建模、不确定性估计与采集。相关成果发布在 arXiv 的 cs.LG 分类下。 上述效果目前仅为作者提出的假设与说法,尚未见经同行评议或独立实验验证的结论。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月7日
  1. arXiv:cs.LG
    蛋白质语言模型中的线性适应度子空间实现样本高效定向进化

    研究者提出 Linear Fitness Subspace(LFS)假设:突变引起的残基级表示变化中,一个紧凑且化验特异的方向集能让适应度变化从少量带标签变体中线性恢复,并据此构建 Subspace-Guided Evolutionary Search(SGES),在小样本上估计 LFS 后在子空间内完成代理建模、不确定性估计与采集。

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。