YingLan 多模态海洋基础模型论文发布
热点事件持续更新
YingLan 多模态海洋基础模型论文发布
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
Sen Jia 等研究者在 arXiv 发布论文，提出多模态海洋基础模型 YingLan，通过物理属性条件动态编码、时空增量耦合（STIC）和海洋状态演化感知预训练，统一异构海洋观测的表征学习。 据论文报告，YingLan 平均 RMSE 为 0.687508 PSU，相比 LangYa、XiHe 和 GloNet2 分别降低相对误差 0.58%、5.31% 和 12.42%。论文同时指出，仍需更广泛的跨任务、跨区域评估来检验其泛化能力。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
YingLan：面向异构海洋观测统一表征学习的多模态海洋基础模型报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIYingLan：面向异构海洋观测统一表征学习的多模态海洋基础模型
研究者提出多模态海洋基础模型 YingLan，融合物理属性条件动态编码、时空增量耦合（STIC）与海洋状态演化感知预训练，用于统一异构海洋观测表征。
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。