用物理约束的可解释解码器揭示 MEG 语音检索背后的皮层源与刺激特征。
标签:
全部
强化学习
扩散模型
大语言模型
基准测试
视频生成
LLM智能体
世界模型
视觉语言模型
GRPO
多模态大模型
知识蒸馏
基准评测
具身智能
流匹配
机器人操作
多智能体系统
智能体
LLM Agent
可解释性
图像生成
代码生成
多模态学习
检索增强生成
注意力机制
RLVR
后训练
视频理解
机器人学习
多模态
长上下文
数学推理
图像编辑
VLA
数据合成
多模态大语言模型
推理加速
评测基准
高效推理
自监督学习
工具调用
对比学习
扩散语言模型
参数高效微调
视觉-语言-动作模型
Transformer
工具使用
LoRA
持续学习
自蒸馏
LLM评估
多模态推理
RAG
模仿学习
综述
信息检索
LLM推理
信用分配
在线策略蒸馏
合成数据
模型压缩
仅对翻译任务启用流匹配、其余任务按语义路由对比目标,配三阶段课程实现多语言嵌入均衡适配
联合训练音视频VAE,用对比学习与语义蒸馏实现跨模态对齐,提升联合生成质量。
视觉对比自蒸馏
👍 50用原图与擦除图像的预测对比构造自蒸馏目标,无需外部教师或答案提示。
用参考答案引导的对比概率差作为token级正确性信号来塑形RLVR优势
自然图像对比学习的一种理论
👍 9解析证明对比学习最优表示是测部分频率并做白化,可用正弦滤波器单层CNN实现。
用预训练MLM头实现低资源多语言立场检测
零污染记忆库提升DINOv2半监督分割
通过头级拓扑对齐提升MLLMs视觉感知能力
无需文本标注答案,通过对比正负视觉证据门控提升细粒度视觉推理能力
d-Simplex平稳表示蕴含兼容性,HOC损失实现SOTA兼容学习
通过树结构rollout和对比探索提升智能体RLVR的样本效率
提出Latent Memory,将每条多模态证据压缩为一个高维潜在token,实现高效的问答系统
通过对比成功与失败的推理轨迹生成可重用insights,提升模型推理效率
提出训练无关的诊断方法评估密集检索硬负样本源质量
首个在BRep原语上直接进行多模态对比预训练的CAD理解框架
基于最小充分表征学习的领域特定数据合成
👍 18通过学习最小充分域表示,从少量参考样本生成高质量领域特定数据
在冻结MERT上训练旋律/节奏/音色三解耦头,实现可控可解释的音乐相似度。
仅用轨迹级监督就能发现失败动作,VLA失败检测SOTA
用 Gemini 多模态底座统一文本/图像/视频/音频的稠密嵌入表示。