研究者发布AC-JEPA跨模态翻译架构论文
热点事件观察中
研究者发布AC-JEPA跨模态翻译架构论文
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者Chaofei Hong在arXiv提交论文，提出AC-JEPA，一种与SFT兼容的跨模态联合嵌入预测插件，可在不完美伪标注数据上自训练并容忍局部数据错误。 在光学化学结构识别任务上，论文称干净数据训练下该方法在WildMol benchmark Simple set达到76.07%准确率，SFT单独为67.40%；使用相同伪标注数据自训练后进一步提升至80.23%，而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27日 09:49
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27日
- arXiv · cs.CLAC-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，一种与 SFT 兼容的跨模态联合嵌入预测插件，可在不完美伪标注数据上自训练，容忍局部数据错误。在光学化学结构识别任务上，干净数据训练下其在 WildMol benchmark Simple set 达到 76.07% 准确率，SFT 单独为 67.40%；使用相同伪标注数据自训练后进一步提升至 80.23%，而 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。