跳到正文
热点事件持续更新

研究提出基于Pareto最优的多目标科学数据检索方法

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Song Young Oh 等在arXiv发表论文,提出用基于Pareto最优的多目标融合替代多模态基础模型(FM)做检索,将独立训练的模态嵌入融合用于异构科学数据检索。 他们在涵盖恒星形成历史、光谱和双望远镜多波段观测的星系检索任务上与FM基线对比,结果显示FM嵌入空间邻近性好,而该方法保留了各模态的距离结构,可追溯驱动相似性的物理信号;在六项实测属性上,其最近邻平均比FM嵌入空间kNN结果更接近查询8%(离散度0.128 vs 0.139)。

AI 根据报道生成 · 38 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    基于帕累托前沿的多目标检索:面向异构科学模态的天体物理数据检索方法研究

    一项arXiv论文研究在天文学异构模态数据上用帕累托最优的多目标融合替代多模态基础模型(FM)做检索,在涵盖恒星形成历史、光谱和双望远镜多波段观测的星系检索任务上与FM基线对比。结果显示FM基线嵌入空间邻近性好,而该方法保留了模态-specific距离结构,可追溯驱动相似性的物理信号;在六项实测属性上,其最近邻平均比FM嵌入空间kNN结果更接近查询8%(离散度0.128 vs 0.139)。

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。