研究者提出角色分离视觉Transformer RoSeViT提升ARC推理准确率
热点事件持续更新
研究者提出角色分离视觉Transformer RoSeViT提升ARC推理准确率
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
Zhiguang Liu 与 Yi Shang 在 arXiv 发表论文，提出 RoSeViT——一种角色分离的 Vision Transformer，用 controller tokens 推断变换规则、workspace tokens 表示视觉网格，并通过结构化注意力将非局部交互经由 controller 路由。 作者称，在标准 VARC 训练与评测协议下，RoSeViT 优于稠密 ViT 基线，将 ARC-1 准确率从 54.5 提升至 56.6，配合循环精炼可达到 58.8。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
RoSeViT：面向 ARC 视觉推理的角色分离 Vision Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIRoSeViT：面向 ARC 视觉推理的角色分离 Vision Transformer
研究者提出 RoSeViT，一种角色分离的 Vision Transformer，通过 controller tokens 推断变换规则、workspace tokens 表示视觉网格，并在结构化注意力中将非局部交互经由 controller 路由。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。