JHU 新研究:语言、基因组、图像都训练出上下文学习,且表现高度相关
DanielKhashabi · x · 2026-09-16
N8 Programs 在 JHU CLSP 发布研究《Convergent Emergence of In-Context Learning Across Modalities》:仅用下一词预测训练,无论数据是语言、基因组、蛋白质、图像、时间序列还是整数序列,模型都会涌现出 few-shot 上下文学习(ICL)能力,且各模态的 ICL 表现高度相关——说明 ICL 是在「模式丰富的数据」上的普遍涌现现象,而非语言专属。
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
- Adobe 与 UCLA 提出 Tev：用可验证进度奖励破解长程 Agent 训练难题 — jiqizhixin · 2026-11-02
- 老招新用：path tracing 加 portal 采样，64spp 噪点显著下降 — ssh4net · 2026-11-02
- Marcel Böhme 提出漏洞引导加固哲学：为何安全永远无法一劳永逸 — mboehme_ · 2026-11-02
- Perplexity 开源研究型基准 WANDR：500 任务、17 万条证据点 — thisguyknowsai · 2026-11-02
- AI 意识研究者:我们没有可靠方法判断 AI 是否有意识 — dioscuri · 2026-11-02
- 蚂蚁团队发布统一反伪造模型，AI视频鉴伪达96% — inclusionAI · 2026-11-02