多数自监督学习破坏所需表征缩放，论文用 log-det 正则修复
hisspikeness · x · 2026-10-05
作者指出关键问题：大多数自监督学习会把表征推向均匀分布，恰好破坏了通勤时间缩放所需的性质。他们把残差预测与 log-determinant 正则结合，并证明这样能恢复正确缩放的表征。
所属事件:CTWM 世界模型以半参数保通勤时间，规划性能持平强基线(6 条相关)→
「研究」频道最新
- Neural SDE 直接学物理时间动态,天气预报可提前 5 天出概率预测 — canaesseth · 2026-10-05
- 开发者开源欧洲语言 PII 脱敏模型,附训练与服务优化全记录 — auto_grad_ · 2026-10-05
- Meta 发布 NAVA-WAM：纯视频预训练机器人动作策略，摆脱动作标注依赖 — meta · 2026-10-05
- 开源 Rust 引擎 gamfit:一条公式拟合 GAM,自动选平滑参数 — Sauers_ · 2026-10-05
- Llama 3.1 8B 微调医疗决策模型:逐字段准确率 84%,全对仅 30% — Forsaken_Cut8542 · 2026-10-05
- 上海交大发布 LIFT:VLA 零力标注预训练,后训练注入力觉高频反应 — jiqizhixin · 2026-10-05