JHU 研究：语言、基因组、蛋白质等模型均自发涌现出上下文学习能力
DanielKhashabi · x · 2026-09-16
JHU CLSP 团队发布新研究《Convergent Emergence of In-Context Learning Across Modalities》，展示在不同模态数据上训练的模型——语言、基因组、蛋白质、图像、时间序列和整数序列——都表现出少样本上下文学习（ICL）能力。
更关键的发现是，这些不同模态模型的 ICL 表现高度相关，提示 ICL 可能是一种跨模态的收敛性涌现现象，而非语言模型特有。
所属事件:JHU 研究：上下文学习在六种模态中普遍涌现(4 条相关)→
「研究」频道最新
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Mistral Large 4 短提示词从零写出量子化学 SCF 求解器并自建 3D 可视化 — MistralAI · 2026-11-02
- 谁把「用 AI 治愈癌症」讲得最具体？2025 年路线图正在成形 — iskander · 2026-11-02
- arXiv 论文证明 SGD 最优步长调度:单调递减的线性衰减是唯一极小极大最优解 — konstmish · 2026-11-02
- Karpathy 的 nanochat:100 美元从零训练出类 ChatGPT,星标近 6 万 — karpathy · 2026-11-02
- 读完 46 份资料后写出 Agent Evals 指南：自评 95 分的评测为何不可信 — blaizedsouza · 2026-11-02