SURGE 对照:推理任务需 14 条视频标注,安全视野难预训练
maier_ak · x · 2026-10-14
延续上条对 SURGE 手术基础模型的标签效率测量:与感知任务一条标注即饱和不同,推理类任务持续受益于更多标注——「器械-动作-目标」三元组检测从 20.30 提升到约 38 mAP,横跨 14 条标注视频仍未饱和。
同时,手术安全关键视野(Critical View of Safety)对预训练表现出抗性,提示高层安全推理能力无法靠大规模无标注预训练获得。
所属事件:手术基础模型SURGE揭示标注收益边界：感知任务1条视频即饱和(3 条相关)→
「研究」频道最新
- 机器人叠桌布的修复循环:规则函数+学习策略+显式成功检查 — arankomatsuzaki · 2026-10-14
- 上下文完整性评测入选前沿模型官方评估，模糊性成模型软肋 — tianshi_li · 2026-10-14
- Modal 工程师长文梳理 RL 基建一年进展:后验纠错正胜过精确匹配 — charles_irl · 2026-10-14
- 马里兰大学课内AI研究：成绩降4个百分点，仅14.6%学生用过 — Afinetheorem · 2026-10-14
- 四种 RAG 重排序器实测对比：Cohere 把答案从第 15 拉到第 1 — Affectionate_Slip654 · 2026-10-14
- Late Interaction 晒 2020 年旧作:自训练 LLM 用搜索工具早有先例 — lateinteraction · 2026-10-14