块扩散模型用于纵向EHR的权衡研究
热点事件持续更新
块扩散模型用于纵向EHR的权衡研究
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Ashvin Gupta 等作者提交论文，在 MIMIC-IV 上以匹配的 tokenisation、上下文长度和模型容量对比块式掩码扩散（BD）与自回归（AR）模型，研究纵向电子健康记录建模中的准确性、效率与表征权衡。 结果显示 BD 存在明显的质量-效率权衡：小 block 配置保留 AR 大部分预测性能，且推理显著更快；代表性 B=8 配置的评估速度约提升 1.43 倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
块扩散模型用于纵向电子健康记录：准确性、效率与表征权衡报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AI块扩散模型用于纵向电子健康记录：准确性、效率与表征权衡
研究在 MIMIC-IV 上以匹配的 tokenisation、上下文长度和模型容量对比块式掩码扩散（BD）与自回归（AR）模型，BD 呈现明显的质量-效率权衡，小 block 配置保留 AR 大部分预测性能且推理显著更快，代表性 B=8 配置评估速度约提升 1.43 倍。
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。