MIT 教授实测：图像与文本嵌入仅靠一次旋转即可对齐
phillip_isola · x · 2026-10-31
MIT 教授 Phillip Isola 转发 Randall Balestriero 与 Yann LeCun 发布的一个演示：近期多篇论文发现，图像与文本嵌入空间仅需一个正交旋转即可大致对齐。他用自家猫咪照片试了该 demo（流程为 DINOv2/DINOv3 视觉嵌入 → 一次旋转映射到纯文本训练的 JEPA 空间 → 语言模型解码），称生成描述完全准确，印证了不同模态模型可能自发收敛到共享几何结构的「柏拉图表示假说」。
「研究」频道最新
- 在 RNN 单元加入 Tversky 相似度分支，一半深度追平全深度并提速 2 倍 — stanfordnlp · 2026-10-31
- AI 将 NP 问题电路下界从 3.1n 推至 3.5n，UCLA 发起人机协作冲 P≠NP — soumitrashukla9 · 2026-10-31
- Qwenputer：把完整 RISC-V CPU 塞进 Qwen3.5-4B 权重里 — armand_ruiz · 2026-10-31
- AI 时代工作意义何在？跨国调查：81% 的人对工作满意 — soumitrashukla9 · 2026-10-31
- 论文：基准测试难度分布失真，榜单结论需谨慎解读 — Miserable-Dare5090 · 2026-10-31
- AISTATS 2027 workshop 提案截止延至 11 月 6 日 — qberthet · 2026-10-31