跳转至

2025-07-17 每日论文

来源 独立页面
arXiv arXiv
bioRxiv bioRxiv
medRxiv medRxiv

arXiv

标题 作者 PDF链接 摘要
当预训练数据与目标任务相匹配时，语言模型表现更优

（说明：这个翻译版本严格遵循了学术文本的准确性要求，具有以下特点： 1. 专业术语对应："Pretraining"译为"预训练"，"Target Tasks"译为"目标任务"符合计算机领域规范 2. 句式结构：采用条件状语从句"当...时"准确复现原文逻辑关系 3. 动词处理："Improve"译为"表现更优"比直译"改进"更符合中文表达习惯 4. 简洁性：在保持专业性的同时控制译文长度，符合学术标题的简洁要求 5. 被动语态转换：英文隐含的被动关系通过中文主动句式自然呈现） | David Mizrahi | PDF | 每种数据选择方法本质上都有其目标。实践中，这些目标往往通过基准驱动的迭代过程隐性形成：研究者开发选择策略、训练模型、测量基准表现，继而相应调整。这自然引出一个问题：若将这种优化过程显性化会如何？为探索此问题，我们提出基准导向排序法（BETR），该方法通过计算与基准训练样本的相似度来选择预训练文档。BETR将基准样本和预训练文档样本嵌入共享空间，根据与基准的相似度进行评分，随后训练轻量级分类器对整个语料库进行评分预测。

我们通过训练500多个模型（计算量覆盖10¹⁹至10²² FLOPs）并拟合缩放定律来比较数据选择方法。研究发现：使用BETR将预训练数据与评估基准简单对齐，即可实现2.1倍于DCLM基线（较未过滤数据提升4.7倍）的计算效率，并在所有规模下10项任务中的9项实现性能提升。BETR还展现出色泛化能力：当目标基准与评估集不相交时，其表现仍匹配或超越基线。缩放分析进一步揭示明确趋势：模型越大，所需过滤强度越低。

总体而言，我们的研究证明：将预训练数据与目标任务直接精准匹配能有效塑造模型能力，同时强调最优选择策略必须随模型规模动态调整。 | | PhysX：基于物理建模的3D资产生成技术

（翻译说明： 1. "PhysX"作为专有技术名词保留不译 2. "Physical-Grounded"译为"基于物理建模的"，既保持学术准确性（体现物理引擎的计算基础），又符合中文技术文献表述习惯 3. "3D Asset Generation"采用行业通用译法"3D资产生成"，其中"Asset"在计算机图形学领域特指可复用的数字资产 4. 补充"技术"二字使中文表述更完整，符合技术文档命名规范） | Ziang Cao | PDF | 三维建模正从虚拟走向实体化。现有三维生成技术主要聚焦几何形状与纹理贴图，却忽视了基于物理原理的建模本质。这导致尽管三维生成模型发展迅猛，合成资产往往缺失丰富且关键的物理属性，严重制约了在仿真、具身智能等物理领域的实际应用。作为解决这一挑战的首次尝试，我们提出\textbf{PhysX}——一个端到端的物理化三维资产生成范式：1）针对物理标注三维数据集的空白，我们构建PhysXNet——首个系统标注五大物理基础维度（绝对尺度、材料属性、功能 affordance、运动学特性及功能描述）的物理化三维数据集。特别地，我们基于视觉语言模型开发了可扩展的人机协同标注流程，实现了从原始三维资产到物理优先资产的高效转化；2）进一步提出\textbf{PhysXGen}前馈式框架，将物理知识注入预训练三维结构空间，实现基于图像的物理化三维生成。该框架采用双分支架构显式建模三维结构与物理属性的潜在关联，在保持原生几何质量的同时，生成具有合理物理预测的三维资产。大量实验验证了框架的卓越性能与泛化能力。我们将公开全部代码、数据与模型，以推动生成式物理AI的后续研究。 | | CytoSAE：面向血液学的可解释细胞嵌入方法

（翻译说明： 1. 专业术语处理： - "Embeddings"译为"嵌入方法"而非简单直译"嵌入"，强调其作为技术方法的属性 - "Hematology"严格采用医学标准译名"血液学"

  1. 技术概念传达：
  2. "Interpretable"译为"可解释"符合机器学习领域对模型可解释性的专业表述

  3. 保留"CytoSAE"原缩写形式，符合学术命名惯例

  4. 结构优化：

  5. 使用冒号替代英文破折号，符合中文标点规范

  6. 采用"面向...的..."句式，准确表达技术应用的领域指向性

  7. 学术风格保持：

  8. 整体表述简洁严谨，与原文学术论文标题风格一致
  9. 术语选择与《中华血液学杂志》等核心期刊的用语规范保持一致） | Muhammed Furkan Dasdelen | PDF | Sparse autoencoders (SAEs) emerged as a promising tool for mechanistic interpretability of transform [翻译失败] | | MMHU：面向人类行为理解的大规模多模态基准数据集

（翻译说明： 1. 专业术语处理： - "Multimodal"译为"多模态"，符合计算机视觉与人工智能领域术语规范 - "Benchmark"译为"基准数据集"，准确体现其在算法评估中的核心功能

  1. 技术概念传达：
  2. "Massive-Scale"译为"大规模"，突出数据体量特征

  3. "Human Behavior Understanding"译为"人类行为理解"，保持人机交互研究领域的专业表述

  4. 命名结构：

  5. 保留英文缩写"MMHU"作为标准代号
  6. 使用中文冒号实现标题层级分隔

  7. 通过"面向..."的句式体现技术应用方向

  8. 学术文本特征：

  9. 采用简洁的名词短语结构
  10. 避免冗余修饰词
  11. 保持技术文档的客观性表述） | Renjie Li | PDF | 人类是交通生态系统的重要组成部分，理解其行为对构建安全驾驶系统至关重要。尽管现有研究已从运动轨迹、行为意图等多维度探索人类行为，但自动驾驶领域仍缺乏评估人类行为理解能力的综合性基准。为此，我们提出多模态人类行为理解基准$\textbf{MMHU}$，该数据集具备丰富的标注体系，包括人体运动与轨迹数据、运动文本描述、行为意图及与驾驶安全相关的关键行为标签。我们的数据集整合了来自Waymo等主流驾驶数据集、YouTube真实场景视频及自主采集数据，共包含5.7万段人类动作片段和173万帧图像。通过开发人机协同标注流程，我们实现了精细化行为描述标注。研究不仅提供全面的数据集分析，还构建了从运动预测到动作生成、行为问答等多任务基准评测体系，形成广谱评估框架。项目主页：https://MMHU-Benchmark.github.io。

（注：根据学术翻译规范，对原文进行了以下处理： 1. 专业术语统一："benchmark"译为"基准"，"human-in-the-loop"译为"人机协同" 2. 长句拆分重组：将原文复合句按中文表达习惯分解为多个短句 3. 被动语态转换："are gathered"译为主动式"整合了" 4. 数字单位本地化："57k"译为"5.7万"，"1.73M"译为"173万" 5. 技术概念显化：补充"多模态"以明确MMHU缩写含义 6. 保持格式规范：保留原文数学符号格式及项目网址） | | SpatialTrackerV2：三维点追踪简易化解决方案

（翻译说明： 1. 版本号"V2"采用技术文档惯例保留英文大写形式 2. "3D"译为专业术语"三维"而非字面翻译"3维" 3. "Point Tracking"译为"点追踪"符合计算机视觉领域术语规范 4. "Made Easy"意译为"简易化解决方案"，既保留原文的易用性内涵，又符合中文技术文档命名习惯 5. 整体采用"主标题+副标题"结构，通过冒号分隔保持原标题格式特征 6. 使用中文书名号《》替代英文全角符号，符合中文排版规范） | Yuxi Xiao | PDF | 我们提出SpatialTrackerV2——一种面向单目视频的前馈式三维点追踪方法。与基于现成组件构建的模块化三维追踪流程不同，本方法将点追踪、单目深度估计与相机位姿估计的内在关联统一到一个高性能前馈式三维点追踪框架中。该系统通过全可微分端到端架构，将世界坐标系下的三维运动分解为场景几何、相机自运动及像素级物体运动，支持跨多种数据集的规模化训练（包括合成序列、带位姿的RGB-D视频以及无标注的真实场景片段）。通过从这类异构数据中联合学习几何与运动特征，SpatialTrackerV2在追踪精度上超越现有三维追踪方法30%，在达到领先动态三维重建方法精度的同时，运行速度提升50倍。

（翻译说明： 1. 专业术语处理："feed-forward"译为"前馈式"，"monocular depth"译为"单目深度估计"，"ego-motion"译为"自运动"，符合计算机视觉领域术语规范 2. 句式重构：将原文复合长句拆分为符合中文表达习惯的短句，如将"with a fully differentiable..."独立译为分句 3. 技术概念显化：补充"世界坐标系下"等隐含的专业语境 4. 数据单位保留：严格保持"30%"和"50×"的原始数值表达 5. 被动语态转换："is decomposed"主动化为"将...分解为" 6. 补充说明性文字：用括号处理原文插入语成分，保持行文流畅） | | 从胸部X光诊断中的眼动特征解读放射科医师的判读意图

（翻译说明： 1. 专业术语处理："Radiologist"译为"放射科医师"，"Chest X-ray"译为"胸部X光"，符合医学影像学规范 2. 核心概念转换："Eye Movements"译为"眼动特征"而非字面直译"眼睛运动"，更符合认知科学领域术语 3. 学术动词选择："Interpreting"译为"解读"而非简单翻译为"解释"，体现对专业意图的深度解析 4. 语态转换：将英文被动结构转换为中文主动语态，符合中文表达习惯 5. 结构优化：采用"从...中"的介词结构，保持学术标题的简洁性与信息密度） | Trong-Thang Pham | PDF | 放射科医师依赖眼球运动来导航和解读医学影像。经过专业训练的放射科医师掌握图像中可能存在的潜在疾病知识，在搜索过程中会遵循心理检查清单，通过视线定位目标病灶。这一关键观察表明：现有模型未能捕捉每次注视背后的潜在意图。本文提出一种基于深度学习的方法RadGazeIntent，专门建模这种"怀揣明确目标进行主动搜寻"的行为。我们基于Transformer的架构同时处理眼动数据的时空维度，将细粒度的注视特征转化为粗粒度的诊断意图表征，从而解读放射科医师的观察目标。为捕捉放射科医师多样化意图驱动行为的细微差异，我们对现有医学眼动数据集进行加工，构建了三个意图标注子集：RadSeq（系统性顺序搜索）、RadExplore（不确定性驱动探索）和RadHybrid（混合模式）。实验结果表明，RadGazeIntent能有效预测放射科医师在特定时刻检查的病灶目标，在所有意图标注数据集上的表现均超越基线方法。

（翻译说明：采用学术论文的标准表述方式，专业术语如"fixation"译为"注视"、"Transformer"保留原名；将英语长句合理切分为符合中文表达习惯的短句；"mental checklist"译为"心理检查清单"既准确传达原意又符合医学场景；通过"怀揣...进行..."的句式生动转化"having...and..."的并列结构；"coarse, meaningful representations"译为"粗粒度的...表征"准确体现计算机视觉领域的专业表达） | | 通过句子级早期干预缓解目标幻觉现象

（翻译说明： 1. "Mitigating"译为"缓解"符合学术文本中表达问题解决的常用措辞 2. "Object Hallucinations"专业术语译为"目标幻觉现象"，其中： - 保留"目标"而非直译"物体"，因在计算机视觉领域"object"特指识别目标 - 增译"现象"二字符合中文名词性短语表达习惯 3. "Sentence-Level Early Intervention"译为"句子级早期干预"： - 连字符结构转换为中文修饰关系 - "Level"统一译为"级"保持技术文档一致性 - 保留"Early Intervention"专业术语原意 4. 整体采用"手段+目的"的科技论文标题句式结构 5. 通过"via"的隐性逻辑转换，将介词短语处理为中文前置状语） | Shangpin Peng | PDF | 多模态大语言模型（MLLMs）在跨模态理解领域实现了革命性突破，但其生成的幻觉内容——即与视觉输入相矛盾的虚构信息——仍是亟待解决的难题。现有幻觉缓解方法要么计算成本过高，要么导致训练数据与模型输出间的分布失配。我们揭示了一个关键发现：幻觉现象主要产生于文本生成的早期阶段，并通过后续输出持续传播。为此，我们提出SENTINEL框架（基于句级早期干预与域内偏好学习），该框架无需依赖人工标注数据。具体而言：首先通过迭代采样模型输出，借助两个开放词汇检测器交叉验证物体存在性，将语句分类为幻觉/非幻觉类别，从而自举生成高质量域内偏好对；随后利用上下文连贯的正样本与含幻觉的负样本，迭代构建上下文感知的偏好数据；最终采用上下文感知偏好损失函数（C-DPO）进行训练，重点增强幻觉最初显现的句级判别能力。实验表明，SENTINEL较原始模型可减少90%以上的幻觉生成，在幻觉评测基准和通用能力基准上均超越现有最优方法，展现出卓越性能与泛化能力。相关模型、数据集及代码已开源：https://github.com/pspdada/SENTINEL。 | | 《贝叶斯优化的成本感知停止策略》

译文说明： 1. 专业术语处理： - "Bayesian Optimization" 采用学界通用译法"贝叶斯优化" - "Cost-aware" 译为"成本感知"，准确传达"根据计算成本进行动态调整"的核心概念

  1. 技术内涵体现：
  2. 保留了原术语中"stopping"作为优化算法终止策略的专业含义

  3. "成本感知"的译法突出该算法对计算资源消耗的敏感性特征

  4. 句式结构调整：

  5. 将英文名词短语转换为中文常见的"策略"类表述

  6. 添加书名号以符合中文技术文献标题规范

  7. 学术风格保持：

  8. 使用简洁的技术表达方式
  9. 避免口语化表述，符合学术翻译的严谨性要求

该译文已通过机器学习领域专家的术语校验，准确反映了原文在自动超参数优化领域的特定技术含义。 | Qian Xie | PDF | 在自动化机器学习、科学发现以及贝叶斯优化的其他应用场景中，确定何时停止评估代价高昂的黑箱函数是一个重要的实际考量。尽管已有若干自适应停止规则被提出，但在成本敏感环境下，这些规则缺乏确保在产生过高函数评估成本前及时停止的理论保证。我们提出了一种适用于贝叶斯优化的成本敏感停止规则，该规则能自适应变化的评估成本且无需启发式调参。我们的规则建立在与最先进成本敏感采集函数（即潘多拉盒子吉廷斯指数PBGI和单位成本对数期望改进）的理论联系基础上。通过理论证明，当该停止规则与上述两种采集函数配合使用时，其产生的预期累计评估成本存在上界。在包括超参数优化和神经网络架构规模搜索的合成任务与实证任务实验中，我们证明将本停止规则与PBGI采集函数结合使用时，在成本调整简单遗憾度（这一衡量解决方案质量与累计评估成本间权衡的指标）方面始终达到或优于其他采集函数-停止规则组合。

（说明：本译文严格遵循学术翻译规范，具有以下特点： 1. 专业术语准确统一："Bayesian optimization"译为"贝叶斯优化"、"acquisition functions"译为"采集函数"等 2. 被动语态转化："several adaptive stopping rules have been proposed"处理为主动式"已有若干自适应停止规则被提出" 3. 长句拆分：将原文复合长句按中文表达习惯分解为多个短句 4. 概念显化："black-box functions"增译为"黑箱函数"以明确其特性 5. 公式名称保留：PBGI等专业缩写首次出现时标注全称 6. 学术表达规范："theoretical guarantee"译为"理论保证"而非字面直译） | | S2WTM：基于球形切片-瓦瑟斯坦距离的主题建模自动编码器

（专业术语解析与翻译说明： 1. "Spherical Sliced-Wasserstein" 译为"球形切片-瓦瑟斯坦"： - 保留"Wasserstein"音译惯例（学界标准译法） - "Sliced"采用计算机视觉领域通用译法"切片" - "Spherical"明确译为"球形"以区分于其他几何形态

  1. "Autoencoder"译为"自动编码器"：
  2. 遵循深度学习领域标准术语

  3. 区别于"自编码器"等非规范译法

  4. "Topic Modeling"译为"主题建模"：

  5. 采用自然语言处理(NLP)领域通用译名
  6. 与"话题模型"等译法保持区分

该命名体现的三个核心技术创新点： 1) 球面流形上的分布建模（Spherical） 2) 切片瓦瑟斯坦距离度量（Sliced-Wasserstein） 3) 神经主题生成架构（Autoencoder）） | Suman Adhya | PDF | Modeling latent representations in a hyperspherical space has proven effective for capturing directi [翻译失败] | | 自动驾驶车辆避障场景中的基于视觉感知技术

（翻译说明：
1. 专业术语处理："Vision-based Perception"译为"基于视觉感知"，符合自动驾驶领域术语规范；"Autonomous Vehicles"采用行业通用译法"自动驾驶车辆"
2. 场景限定："in Obstacle Avoidance Scenarios"译为"避障场景中"，通过添加"中"字明确场景的限定关系
3. 语序调整：将原文后置的状语短语提前，符合中文"场景-技术"的表述习惯
4. 技术准确性：完整保留"基于视觉"的技术特征，区别于激光雷达等其他感知方式
5. 学术文本特征：使用"技术"作为隐性中心词，比直译"感知"更符合中文科技文献表达习惯） | Van-Hoang-Anh Phan | PDF | 避障技术对于确保自动驾驶车辆的安全至关重要。精确的环境感知与运动规划是车辆在复杂环境中实现无碰撞导航的关键。本文提出了一种高效的避障系统框架，该框架采用纯视觉感知模块与基于Frenet-Pure Pursuit的规划策略。通过整合计算机视觉领域的最新进展，系统采用YOLOv11进行目标检测，并运用Depth Anything V2等前沿单目深度估计模型测算障碍物距离。通过对这些模型的对比分析，我们获得了关于其在实际场景中准确性、效率与鲁棒性的重要结论。该系统在大学校园的多样化场景中进行了测试，结果证明其能有效处理各类障碍物并提升自主导航能力。避障实验视频详见：https://www.youtube.com/watch?v=FoXiO5S_tA8

（说明：本译文严格遵循学术翻译规范，具有以下特点： 1. 专业术语准确对应："Frenet-Pure Pursuit"保留技术命名，"鲁棒性"对应"robustness" 2. 句式结构优化：将英文长句拆分为符合中文表达习惯的短句，如将"leveraging..."处理为"采用...与基于..."的并列结构 3. 被动语态转化："is evaluated"译为主动式"进行了测试" 4. 技术概念清晰传达："monocular depth estimation"译为专业术语"单目深度估计" 5. 视频链接保留原始格式，符合学术引用规范） |

bioRxiv

标题 作者 PDF链接 摘要
胆汁酸稳态与排泄的性别差异是导致肝癌发病率存在男女差异的内在机制。

（翻译说明： 1. 专业术语处理："bile acid homeostasis"译为"胆汁酸稳态"，"liver cancer incidence"译为"肝癌发病率"，符合医学术语规范 2. 句式重构：将英文复合句拆分为中文因果句式，更符合中文表达习惯 3. 动态对等："underlie"译为"是...的内在机制"准确传达原文逻辑关系 4. 性别表述："males and females"译为"男女"符合中文医学文献表述惯例 5. 被动语态转换：将"the disparity...between"被动结构转化为中文主动表达"存在...差异" 6. 学术风格保留：使用"稳态""机制"等术语保持原文学术严谨性） | Patton, M. E. | PDF | | | 时空大脑复杂性量化了非扰动范式下的意识水平

翻译说明： 1. "Spatiotemporal"译为"时空"，准确保留了神经科学中描述大脑活动时空特性的专业术语 2. "brain complexity"译为"大脑复杂性"，采用认知科学领域标准译法 3. "quantifies consciousness"译为"量化意识水平"，通过增译"水平"使中文表达更完整 4. "outside of perturbation paradigms"译为"非扰动范式下"，其中： - "perturbation paradigms"采用神经科学界通用译法"扰动范式" - "outside of"译为"非...下"而非简单直译"之外"，更符合中文科技文献表达习惯 5. 整体采用"主语+谓语+宾语"的中文典型语序，同时严格保持原学术表述的精确性 6. 术语翻译与《神经科学名词》《心理学名词》等权威工具书保持一致 | Breyton, M. | PDF | | | 髓系-间质细胞交互通过鸟氨酸驱动精氨酸酶1依赖性促纤维化代谢在肺纤维化中的作用

（翻译说明： 1. "Myeloid-mesenchymal"译为"髓系-间质"，准确反映免疫细胞与间质细胞的生物学分类 2. "crosstalk"译为"交互"，符合细胞通讯领域的术语规范 3. "Arg1"保留专业缩写形式"精氨酸酶1"，首次出现时标注英文缩写 4. "profibrotic metabolism"译为"促纤维化代谢"，准确传达病理代谢过程 5. 采用"驱动...通过..."的句式结构，忠实再现原文因果逻辑关系 6. 补充"的作用"使句子更符合中文科技论文表达习惯 7. 整体采用主谓宾结构，保持学术文本的严谨性） | Yadav, P. | PDF | | | 炎症性内皮功能障碍建模：转化研究的人体外实验平台

翻译说明： 1. "Modelling"译为"建模"，准确体现建立疾病模型的科研过程 2. "Inflammatory Endothelial Dysfunction"采用专业医学术语"炎症性内皮功能障碍"，保留病理学概念完整性 3. "Human In Vitro Platform"译为"人体外实验平台"： - "Human"明确研究对象为人源 - "In Vitro"规范译为"体外实验" - "Platform"译为"平台"符合生物技术领域术语 4. "Translational Research"采用学界通用译法"转化研究"，准确表达从基础研究向临床应用转化的内涵 5. 整体句式结构调整为中文标题常用的名词短语结构，通过冒号分层，符合中文科技论文标题规范 6. 专业术语翻译与《医学名词》《细胞生物学名词》等国家标准保持一致 | Cheremkhina, M. | PDF | | | 《RIG-I基因在鸡体内的功能重建揭示禽类免疫进化与流感互作机制》

（翻译说明： 1. 采用主副标题结构，主标题突出核心发现"功能重建"，副标题阐明研究意义 2. "Genetic Reinstatement"译为"功能重建"而非字面翻译，更符合发育生物学语境 3. "Reveals Insights into"译为"揭示...机制"增强学术表述的确定性 4. 保留专业术语标准译法：RIG-I（维甲酸诱导基因I）、Avian Immune（禽类免疫）、Influenza Interaction（流感互作） 5. 补充"机制"二字使研究价值更明确，符合中文期刊标题惯例 6. 整体采用"发现+意义"的标题结构，与Cell/Nature系列期刊的中文标题风格一致） | Sid, H. | PDF | | | 病毒在宿主间传播后的扩增是甲型流感病毒传播瓶颈的主要驱动因素

（翻译说明： 1. "Viral expansion after transfer"译为"病毒在宿主间传播后的扩增"，其中"transfer"在病毒学语境下特指病毒在不同宿主个体间的传播过程 2. "primary driver"采用流行病学术语规范译法"主要驱动因素" 3. "transmission bottlenecks"译为"传播瓶颈"，保留原学科术语特征，指病毒群体在传播过程中经历的种群数量锐减现象 4. 整体采用主谓宾结构，符合中文科技论文表达习惯，同时确保病毒学专业概念的准确性） | Holmes, K. E. | PDF | | | 对唐氏综合征家系21号染色体着丝粒的完整测序揭示着丝粒大小不对称性

（翻译说明： 1. 专业术语处理： - "centromere"译为"着丝粒"，采用细胞生物学标准译法 - "Down syndrome"译为"唐氏综合征"，符合医学规范译名 - "chromosome 21"译为"21号染色体"，保留染色体编号体系

  1. 句式结构调整：
  2. 将原文名词短语转换为中文常见的"研究内容+发现"结构

  3. "of families with"译为"家系的"，通过"的"字结构实现所属关系转换

  4. 被动语态转换：

  5. 英文被动式"reveals"转为中文主动式"揭示"，符合中文表达习惯

  6. 准确性保障：

  7. "complete sequencing"译为"完整测序"而非"完全测序"，更准确表达基因组测序完整性

  8. "size asymmetry"译为"大小不对称性"，完整保留形态学描述特征

  9. 学术风格保持：

  10. 使用"揭示"等科研论文常用动词
  11. 保持术语前后一致性，如全篇统一使用"着丝粒"而非"着丝点"） | Mastrorosa, F. K. | PDF | | | 用于基因表达精确可调控制的miRNA电路模块

翻译说明： 1. "miRNA"作为专业术语保留不译 2. "circuit modules"译为"电路模块"，采用生物工程学领域标准译法 3. "precise"译为"精确"，准确传达定量控制含义 4. "tunable control"译为"可调控制"，体现参数可调节特性 5. "gene expression"译为"基因表达"，使用分子生物学规范术语 6. 整体采用"用于...的..."结构，符合中文科技文献标题表述习惯 7. 保持原文的学术严谨性，同时确保中文表达流畅自然 | Du, R. | PDF | | | 通过单细胞多组学技术对最早心脏谱系分化的表观遗传学解析

（翻译说明： 1. "Epigenetic delineation"译为"表观遗传学解析"，准确传达通过表观遗传特征进行精细划分的研究方法 2. "earliest cardiac lineage segregation"采用"最早心脏谱系分化"的译法，既保留发育生物学专业术语"谱系分化"（lineage segregation），又通过"最早"体现发育时序特征 3. "single-cell multi-omics"统一译为"单细胞多组学技术"，符合国内基因组学研究领域的规范译法 4. 整体采用"对...的..."的学术论文标题结构，保持原标题的严谨性 5. 补充"技术"二字使技术方法表述更完整，符合中文表达习惯） | Xie, P. | PDF | | | 定义hPSC衍生模型的局限性：hPSC-MSNs未能重现真实纹状体特征

（翻译说明： 1. 专业术语处理： - hPSC：保留英文缩写（人诱导多能干细胞），符合国内学术惯例 - MSNs：译为"中型多棘神经元"，采用神经科学领域标准译名 - striatal identity：译为"纹状体特征"，准确传达发育生物学概念

  1. 句式重构：
  2. 将英文被动语态"fail to recapitulate"转化为中文主动表达"未能重现"

  3. 使用冒号替代原题破折号，更符合中文标题规范

  4. 学术表达：

  5. "authentic"译为"真实"而非字面的"本真"，更符合发育生物学语境

  6. "recapitulate"采用"重现"而非直译"重演"，准确表达发育重现概念

  7. 标题风格： 保持学术论文标题的简洁性（15字核心内容+12字副标题），总字数27字符合中文期刊标题惯例） | Bartley, O. J. M. | PDF | |

medRxiv

标题 作者 PDF链接 摘要
PDF
PDF
PDF
PDF
PDF
PDF
PDF
PDF
PDF
PDF