University of California, Berkeley（加州大学伯克利分校）

Opal: Private Memory for Personal AI

Opal：面向个人AI的隐私内存

Darya Kaviani, Alp Eren Ozdarendeli, Jinhao Zhu, Yu Ding, Raluca Ada Popa

机构 * Google DeepMind（谷歌DeepMind） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 Opal通过将数据依赖推理与个人数据分离，利用可信 enclave 提高检索准确率，并在基础设施成本上取得显著优势。

DrugPlayGround: Benchmarking Large Language Models and Embeddings for Drug Discovery

DrugPlayGround：大型语言模型和嵌入式在药物发现中的基准测试

Tianyu Liu, Sihan Jiang, Fan Zhang, Kunyang Sun, Teresa Head-Gordon, Hongyu Zhao

机构 * Yale University（耶鲁大学） ； Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学博德研究所） ； The Chinese University of Hong Kong（香港中文大学） ； University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出DrugPlayGround框架，用于评估大型语言模型在生成药物物理化学特性、药物协同作用等文本描述方面的性能，同时通过专家解释验证模型的化学和生物推理能力。

Comments 29 pages, 6 figures

SIEVE: Sample-Efficient Parametric Learning from Natural Language

SIEVE: 从自然语言中高效参数学习

Parth Asawa, Alexandros G. Dimakis, Matei Zaharia

机构 * University of California, Berkeley（加州大学伯克利分校） ； Bespoke Labs 纠错

AI总结 SIEVE通过合成数据生成管道实现高效参数学习，仅需三个查询示例即可提升模型性能，适用于需要上下文的推理任务。

Adaptive randomized pivoting and volume sampling

自适应随机 pivoting 和体积采样

Ethan N. Epperly

机构 * University of California Berkeley（加州大学伯克利分校） ； Caltech（加州理工学院） 纠错

AI总结 本文将自适应随机 pivoting 算法与体积采样分布及线性回归主动学习算法联系起来，提出新的分析和更高效的实现方法。

Comments 14 pages, 2 figures

Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes

基础模型在骨科MRI中的临床效用：生物标志物准确性与预测结果

Gabrielle Hoyer, Michelle W Tong, Rupsa Bhattacharjee, Valentina Pedoia, Sharmila Majumdar

机构 * Center for Intelligent Imaging, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加利福尼亚大学旧金山分校放射与生物医学影像系智能成像中心） ； Department of Bioengineering, University of California, Berkeley（加利福尼亚大学伯克利分校生物工程系） ； Department of Bioengineering and Therapeutic Sciences, University of California, San Francisco（加利福尼亚大学旧金山分校生物工程与治疗科学系） ； Department of Medical Sciences and Technology, Indian Institute of Technology, Madras（印度理工学院马德拉斯分校医学科学与技术系） ； Bay Area Institute of Computation, Altos Labs（Altos Labs湾区计算研究所） 纠错

AI总结 本文提出了一种模块化系统，将常规MRI转化为标准化定量生物标志物，用于临床决策支持。通过微调基础分割模型，实现了自动检测和提示，提高了生物标志物的临床可靠性，并展示了其在膝关节分层和预测膝关节置换及骨关节炎中的应用。

Comments Under review at npj Digital Medicine (revision submitted Jan 2026) | Code: https://github.com/gabbieHoyer/AutoMedLabel | Supplementary data/tables: https://doi.org/10.6084/m9.figshare.29633207

Journal ref npj Digit. Med. (2026)