热点事件持续更新
研究者提出基于离散扩散的系统发育树推理生成模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月15日，相关研究者在arXiv发布论文，提出了一类用于序列系统发育树推理的条件生成模型。该模型基于离散扩散框架，通过结合自顶向下、自内向外或自底向上三种范式来实现迭代建树。实验结果显示，在包含最多65个分类群且超过10^5个token的数据集上，该方法在恢复MCMC后验分布的准确度方面显著超越前SOTA方法Phyloformer 2；同时在更贴近现实场景的数据上，其建树准确度也持续优于常用的传统分析方法IQ-Tree。
AI 根据报道生成 · 4 小时前更新
最新进展10月15日 12:00
研究者提出离散扩散系统发育树生成模型，性能超越Phyloformer 2与IQ-Tree。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv 机器学习用于复杂演化过程系统发育树推理的深度生成模型
研究者提出了一类用于序列系统发育树推理的条件生成模型，通过离散扩散模型框架结合自顶向下、自内向外或自底向上三种范式迭代建树。在最多 65 个分类群（taxa）且超过 10^5 个 token 的数据集上，该方法恢复 MCMC 后验分布的准确度显著超越前 SOTA 方法 Phyloformer 2。在更贴近现实的数据上，该模型的准确度也持续优于常用传统方法 IQ-Tree。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。