arXiv · cs.AI· Akash Rao, Sushim Gupta, Vishalini Ramnath, Akhilesh Ramachandran, Sathyanarayanan Aakur·· 2 天前
HyperTaxa提出多尺度基因组表示用于开放集微生物分类推断
HyperTaxa: Multiscale Genome Representations for Generalized Microbial Taxonomic Inference
arXiv:2610.25673v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Akash Rao, Sushim Gupta, Vishalini Ramnath, Akhilesh Ramachandran, Sathyanarayanan Aakur
研究任务与主要进展
作者提出HyperTaxa，将完整基因组编码为多尺度k-mer转移场，并通过Node2Vec到MDS的两阶段过程与分类学层级语义空间对齐，用于训练中未出现的物种分类。该框架支持零样本、已见与未见物种的广义零样本推断，以及从属到种的级联预测；摘要称其在基准和不重叠物种评估中优于伪图像和Transformer图基线，消融实验显示多尺度转移编码和分类学感知对齐是泛化的关键因素。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org