AC-JEPA跨模态架构通过容错自训练在WildMol基准上提升精度
热点事件持续更新
AC-JEPA跨模态架构通过容错自训练在WildMol基准上提升精度
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
arXiv预印本显示，研究人员提出AC-JEPA架构，作为兼容SFT的插件，通过预测掩码中间状态实现跨模态翻译，对不完美伪标签具有容错性。 在WildMol基准Simple集上，AC-JEPA使用干净数据时准确率为76.07%，超过纯SFT的67.40%。在使用相同伪标签数据时，AC-JEPA自训练可将准确率提升至80.23%，而直接SFT从67.40%降至63.47%。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
AC-JEPA：锚定跨模态联合嵌入预测架构用于视觉到符号翻译报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIAC-JEPA：锚定跨模态联合嵌入预测架构用于视觉到符号翻译
研究提出AC-JEPA，一种兼容SFT的插件，通过预测掩码中间状态实现跨模态翻译，对不完美伪标签数据具有容错性。 在WildMol基准的Simple集上，使用干净数据时AC-JEPA准确率为76.07%，超过纯SFT的67.40%；使用相同伪标签数据时，AC-JEPA自训练将准确率提升至80.23%，而直接SFT则从67.40%降至63.47%。
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。