标签
HierDTA 是一个层次结构感知的药物-靶点亲和力预测框架，将药物表示为原子-基团异构图并结合蛋白质残基交互图与交叉注意力机制，在 Davis 和 KIBA 数据集上取得领先性能，并在冷启动场景下展现出良好泛化能力。
HiRAE 是一种层级表征自编码器，它提高了图像重建保真度和生成模型兼容性，降低了FID并增强了文本到图像生成中的对齐性。
CAMMAR引入了一个表示学习框架，通过分阶段的语义课程将阿拉伯语隐喻意义组织成嵌套的词汇、文化和隐喻子空间，在一个新的跨度标注数据集上实现了强大的隐喻检测（AUC高达0.84）。
本文提出了一种用于强化学习的性能驱动的状态抽象方法，直接优化决策质量，采用多时间尺度框架共同调整策略和树状结构抽象。该算法基于Q值差异细化或聚合状态空间，相比基线实现了更好的样本效率和更快的重新规划。