Meta研究员提出CAPI新自监督学习方法，改进掩码图像建模
iScienceLuvr · x · 2026-07-28
Meta研究员Tim Darcet（DINOv2开发者之一）提出新自监督学习方法CAPI（Cluster and Predict Latent Patches），旨在改进掩码图像建模。该方法将在7月30日的MedARC Journal Club上展示。MedARC团队认为CAPI有望推动医学影像基础模型的发展，探索DINO和MAE范式之外的替代方案。
「研究」频道最新
- Goodfire 创始人挑战叠加假说：InceptionV1 多语义性或另有成因 — petrusenko_max · 2026-10-16
- UPenn 实验：让 Claude 批判自己默认想法,研究灵感产出提升最多 — arjunrajlab · 2026-10-16
- 实测 11 种提示策略催 LLM 创意：直接要「非显而易见」的点子最有效 — arjunrajlab · 2026-10-16
- 研究者长期实验：什么样的提示词能让 LLM 产出最有意思的点子？ — arjunrajlab · 2026-10-16
- SimpleMark 论文:多比特文本水印可将每 token 失真限制在预算内 — rishabh16_ · 2026-10-16
- 斯坦福新论文:生成式表征学习做 tokenizer,省 7-8 倍训练算力 — HirokatuKataoka · 2026-10-16