研究者提出SNAP：合成视觉语言预训练难负样本
热点事件持续更新
研究者提出SNAP：合成视觉语言预训练难负样本
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Nikos Giakoumoglou 等研究者在 arXiv 论文中提出 SNAP 方法，为视觉-语言预训练合成难负样本，并称其在 CLIP 和 FLIP 上的零样本检索、零样本分类和 linear probe 评估中取得一致提升。 论文分析了六种合成策略在表示空间中的两类失效模式：跨模态构造会产生过易负样本或使负样本被拉向查询，模态内构造则会混入匹配正样本。SNAP 采用模态内构造并排除任一模态的正样本，以避免这两种失效。 作者称 SNAP 与模型无关、不依赖外部生成模型，训练时间开销低于 10%。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
SNAP：合成难负样本为何在视觉-语言预训练中有效报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AISNAP：合成难负样本为何在视觉-语言预训练中有效
arXiv 论文分析六种表示空间合成策略在视觉-语言预训练中的失效模式：跨模态构造产生过易负样本或被拉向查询，模态内构造会混入匹配正样本，并提出 SNAP 方法避免这两种失效。SNAP 不依赖外部生成模型，与模型无关，训练时间开销低于 10%。在 CLIP 和 FLIP 上评估，SNAP 在零样本检索、零样本分类和 linear probe 上取得一致提升。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月27日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。