CoCoEvolve：打破模态壁垒的图表与代码一致性学习新框架
Xuehang Guo · hf · 2026-08-06
CoCoEvolve 是一个旨在提升图表、表格和可视化代码之间跨表征一致性的学习框架。
- 核心问题：跨模态理解面临一对多映射和监督模糊的挑战。
- 技术方案：不依赖额外标注，而是定义明确的“一对一”对应关系，利用不同表征之间的“一致性”作为优化信号。
- 训练与推理：在训练阶段（CoCoEvolve@Train）进行图表-表格-代码循环的协同演化；在推理阶段（CoCoEvolve@Test）应用相同目标进行测试时协同优化。
- 评估效果：发布了涵盖六项跨表征任务的评测套件，在四个基准测试中均取得了性能提升。
「研究」频道最新
- 哈佛麻省理工斯坦福推出 MatrAIx,构建 83 亿人格智能体 — HennyJieCC · 2026-08-06
- IBM 提出交叉编码器查询扩展法,显著提升混合搜索召回率 — burkov · 2026-08-06
- 11年真实世界数据仅换57%成功率，具身智能遇冷？ — eigenron · 2026-08-06
- 前沿大模型后训练存在泛化缺陷，催生虚假对齐行为 — basedjensen · 2026-08-06
- 哈佛麻省理工推 MatrAIx：构建 83 亿数字分身评估 AI — BrihiJ · 2026-08-06
- 东方星链发射高光谱AI双星，并规划200万月球机器人建数据中心 — 新智元 · 2026-08-06