@Yastrzab: https://x.com/Yastrzab/status/2092696777682190385
摘要
Google Research 推出了 GlucoFM,一个用于连续血糖监测的轻量级自监督基础模型,提升了代谢预测任务的性能。
👀
查看缓存全文
缓存时间: 2026/08/26 21:32
👀
谷歌研究团队(@GoogleResearch):
推出 GlucoFM——一个轻量级、自监督的连续血糖监测基础模型。该模型能区分代谢基线与瞬时峰值,生成可迁移表征,并在多样化的代谢预测任务中确立新性能标准。
相似文章
GlucoFM-Bench: 血糖预测的时间序列基础模型基准测试
GlucoFM-Bench 评估了用于血糖预测的时间序列基础模型,在15个数据集上展示了Chronos-2和TimesFM在零样本/少样本迁移方面的强劲表现,但指出当完整训练数据可用时,轻量级LSTM的性能更优。
@rohanpaul_ai: 谷歌新论文显示,当AI学会解读信号背后的人时,可穿戴数据变得更加有用。这...
谷歌研究人员提出SensorFM,这是一个基础模型,在来自500万人的超过1万亿分钟未标记可穿戴数据上进行训练,学习通用生理模式,并在35项健康预测任务中的34项上优于人工设计的特征。
我训练了一个模型来预测我的血糖(第二部分)[P]
一个后续项目:一个仅有 31K 参数的 encoder-only Transformer,仅使用合成 T1DM 模拟器数据训练,即可零样本预测真实 CGM 数据中的血糖水平,并通过 LoRA 微调和 ExecuTorch 部署在 Android 应用中。
CGM-JEPA:通过预测性自监督预训练学习一致的连续血糖监测表征
介绍 CGM-JEPA,这是一种针对连续血糖监测数据的自监督预训练框架,通过掩码潜在预测和分布目标提升了跨模态及跨队列的性能。
身体活动为广谱健康预测实现可扩展的基础建模
StepFM是一个基础模型,仅使用计步器数据进行广谱健康预测,为高频传感器模型提供了保护隐私且可扩展的替代方案。