@MaximeRivest: 2021年，我训练并发布了一个专门的基于字符的深度神经网络，用于分类科学出版物…
摘要
作者讨论了他们2021年用于分类科学出版物的神经网络如何被像Jev和Qwen 27b这样的新AI模型所取代。
查看缓存全文
缓存时间: 2026/09/17 10:29
2021年，我曾训练并发布了一个专门基于字符的深度神经网络，用于分类科学出版物。该模型使用了2500万篇摘要进行训练，最终因性能不再提升而停止迭代。
仅仅5年之后！这项工作已完全被Jev和Qwen 27b取代。
Jev本质上是一个通用分类器，这可能会非常非常便捷！
相似文章
@MaximeRivest：专业化与通用化的连续谱系一直让我着迷。我训练了一个模型，能够接受任意摘要……
Maxime Rivest 分享了一个训练好的模型，它可以将任意摘要与任意给定的分类体系进行匹配，精度达到 Qwen 27B 和 Jev 级别的超人类水平，而成本和延迟却低了一个数量级，同时他也在思考专业化与通用化之间的权衡。
@MaximeRivest：Qwen 4B，经 500 篇科学论文改写（目前）训练以提升可读性（见示例），已超越 Opus……
Maxime Rivest 报告称，一个基于约 500 篇面向可读性的科学论文改写数据微调的 Qwen 4B 模型，如今已超过 Opus、Astra 和 Luna 等前沿模型——仅用 3 小时在家用 RTX 3090 上通过编程智能体生成训练集即可完成。
@MaximeRivest：让科学更易懂吧！它免费且开源！https://sciencemadereadable.com
Maxime Rivest 推出了 Science, Made Readable，这是一个免费的开源网站，利用经过微调的小型 Qwen 3.5 模型（9B、4B、0.8B）将开放获取的科学论文改写为通俗易懂的语言，面向普通读者。这些模型可以在家用的 RTX 3090 和租用的 H100 上运行。评审模型对 9B 模型的评分为 7.8/10，略高于 GPT-6 Luna（7.5），但低于 Claude Opus（8.5），每篇论文的成本约为半美分。
@MaximeRivest：还有很多事情要做！我们知道深度学习有效，我们只需要更分享和有组织一些！我 sp…
作者讨论了在深度学习中需要更好的分享和组织，以使其更易于生物学家使用，从而自动化图像分析和测量等任务。
@nickscamara_: 新发现将来自能够推理最新科学的模型。科学进步的速率变成…
Firecrawl发布了针对AI/ML论文的顶级研究索引，声称在arXivQA上召回率比竞争对手高出18%，专为自主研究代理设计。