论文证明并改进柏拉图表征假设
热点事件观察中
论文证明并改进柏拉图表征假设
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Hugging Face报道的论文提出并证明了柏拉图表征定理，表明在不同模态上单独训练的联合嵌入预测架构（JEPAs）在良好视图下可学习到旋转等价的统一表征。 实验结果显示，相比next-token预测，JEPAs在相同语料下仅需1/42的样本量即可达到同等对齐效果，一个109M参数的文本JEPA在对齐性能上超越了72B参数的语言模型及CLIP文本编码器。 该方法在无配对数据的基准测试中，零样本准确率超越了8B参数的语言模型，例如在ImageNet-100上达到64%（对比最高56%）。
AI 根据报道生成 · 15 小时前更新
最新进展10月29日 04:00
论文证明并改进柏拉图表征假设：JEPAs 在多模态对齐中的理论与实证报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- Hugging Face · 每日论文精选论文证明并改进柏拉图表征假设：JEPAs 在多模态对齐中的理论与实证
论文提出并证明了柏拉图表征定理：在良好视图下，不同模态的JEPAs可学习到旋转等价的统一表征。实验证明，相比next-token预测，JEPAs在相同语料下仅需1/42的样本量即可达到同等对齐效果，109M参数的文本JEPA在对齐性能上超越72B参数语言模型及CLIP文本编码器。该方法在无配对数据的基准上，零样本准确率超越8B参数语言模型，如ImageNet-100上达64%（对比最高56%）。
本事件热度走势
- 可比范围当前
- 10
- 可比范围峰值
- 1010月31日 13:00
- 近 24 小时变化
- –
02.557.510
10月31日03:0006:0009:0012:00
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。