Google ResearchT1·基座大模型
48 分
针对多基因风险评分(PRS)在非欧洲人群中准确率显著下降的问题,谷歌团队提出利用迁移学习技术。该方法通过结合现有以欧洲人群为主的全基因组关联研究(GWAS)数据与目标人群的小规模 GWAS 数据,旨在低成本提升对代表性不足群体的疾病风险预测能力。
Transfer Learning
将已学到的知识应用到不同但相关的新任务中的方法
针对多基因风险评分(PRS)在非欧洲人群中准确率显著下降的问题,谷歌团队提出利用迁移学习技术。该方法通过结合现有以欧洲人群为主的全基因组关联研究(GWAS)数据与目标人群的小规模 GWAS 数据,旨在低成本提升对代表性不足群体的疾病风险预测能力。
谷歌研究人员利用在鸟类声音上训练的深度学习模型,成功识别出多种鲸鱼的复杂叫声。该方法通过迁移学习解决了海洋生物声学数据标注稀缺的问题,并协助 NOAA 确认了神秘“biotwang”声源为布氏鲸。
ICLR 2026 论文 ATLAS 发布了迄今最大规模的多语言预训练研究,涵盖 774 次训练运行及 400+ 种语言。该研究提出了“自适应迁移缩放定律”,量化了 1400 对语言间的协同效应,为构建非英语主导或混合语言模型提供了数据驱动的效率与成本指导。
OpenAI 宣布启动一项名为 Retro 的迁移学习竞赛,旨在评估强化学习算法从过往经验中泛化的能力。该活动聚焦于测试智能体在未见过的任务或环境中利用先验知识进行快速适应的表现。
研究人员开发了全球首个完全在模拟环境中训练并成功部署到物理机器人的垃圾邮件检测 AI。该成果验证了从仿真到现实(Sim-to-Real)迁移学习在特定感知任务中的可行性,尽管原文未披露具体技术细节或性能指标。