LightTAR:面向预测任务的目标感知多模态表格降维
Technion · hf · 2026-11-19
Technion 团队提出 LightTAR,针对多模态表格学习(结构化特征+文本/图像嵌入)。传统流程用 PCA 降维只保输入方差,未必保留对预测有用的信息。LightTAR 从编码器最后层与中间层用正则化偏最小二乘(PLS)联合提取少量目标感知特征,与标准 PCA 表示拼接,以极小运行开销适配预测任务并提升多模态表格模型性能。
「研究」频道最新
- 桑迪亚实验室:电子指纹让 AI 仅用几十个样本预测高熵合金性能 — CurieuxExplorer · 2026-11-19
- FoodTruck Bench 榜单上线 Papers with Code:让 LLM 真金白银经营餐车 30 天 — NielsRogge · 2026-11-19
- MIT研究:可读取并操控LLM内部的物理直觉,Gemma隐状态揭示因果方向 — ProfBuehlerMIT · 2026-11-19
- harness-hub 开源 RL 训练的 harness 适配器:同一模型为不同 agent 框架单独调优 — yb2698 · 2026-11-19
- Freenet 发布新视频:用传统机器学习做网络路由 — Sanity · 2026-11-19
- Empire AI 在纽约设 120+ 个早期职业研究岗位,Cornell 博士后申请截止 12/15 — dianarycai · 2026-11-19