研究者提出AC-JEPA跨模态联合嵌入预测框架
热点事件持续更新
研究者提出AC-JEPA跨模态联合嵌入预测框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
论文作者提出并发布 AC-JEPA，一个兼容 SFT 的即插即用跨模态联合嵌入预测架构，在两个跨模态方向上预测被遮蔽的中间状态，可从带噪伪标签数据中学习而不将伪 token 硬化为分类监督。 论文以光学化学结构识别为测试场景：在 WildMol 基准的 Simple 集上，AC-JEPA 用干净配对数据训练达到 76.07% 准确率，高于仅用 SFT 的 67.40%；使用相同伪标签数据时，基于 AC-JEPA 的自训练将准确率提高到 80.23%，而直接 SFT 则从 67.40% 降至 63.47%。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
AC-JEPA：面向视觉到符号翻译的锚定跨模态联合嵌入预测架构报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIAC-JEPA：面向视觉到符号翻译的锚定跨模态联合嵌入预测架构
研究者提出 AC-JEPA，一个兼容 SFT 的即插即用跨模态联合嵌入预测方法，在两个方向上预测被遮蔽的中间状态，从带噪伪标签数据中学习而不将伪 token 硬化为分类监督。
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。