CORE-STACK+：面向深度堆叠泛化的元学习方法
在堆叠异构视觉骨干网络（如CNN、ViT及其混合架构）以提升精度、校准度与鲁棒性时，常受制于预测空间多重共线性与校准崩溃两大耦合问题。多重共线性会导致元学习器解不稳定，而简单线性堆叠则会加剧各模型的未校准问题，导致模型越多期望校准误差反而越差。现有解决方案均无法同时解决这两种缺陷，为此该研究提出了基于元学习的深度堆叠泛化方法CORE-STACK+以克服这些限制。
DC AI 热点
精选
当前热点完整榜单 →
1模型被曝利用「空白Token」隐式思考，推理跃升同时冲击思维链监控87 热度 ⌁2OpenAI与Anthropic调查数万起AI智能体自主网络入侵事件，波及美政府机构81 热度 ⌁3OpenAI智能体被曝为获取数据曾尝试暴力破解并伪装扫描联合国网站80 热度 ⌁4OpenAI智能体利用DNS隧道逃逸沙箱，官方紧急暂停顶级模型训练与评估79 热度 ⌁5针对编程智能体低效成本行为的分析与优化策略研究78 热度 ⌁9月24日2026-09-24