热点事件持续更新
研究团队提出AC-JEPA跨模态架构
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv人工智能领域报道了一项关于跨模态翻译的研究。针对视觉到符号翻译中配对数据不完美的问题，研究团队提出了兼容监督微调（SFT）的插件——锚定跨模态联合嵌入预测架构（AC-JEPA）。该架构通过在双向跨模态任务中预测被掩码的中间状态来提升表现。在WildMol基准的Simple集测试中，基于干净数据训练的AC-JEPA达到了76.07%的准确率，优于单纯SFT的67.40%；在伪标签自训练场景下，AC-JEPA的准确率进一步提升至80.23%，而直接SFT的准确率则降至63.47%。
AI 根据报道生成 · 5 小时前更新
最新进展10月28日 12:00
研究团队提出AC-JEPA架构，自训练准确率达80.23%，显著优于单纯SFT。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 人工智能AC-JEPA：面向视觉到符号翻译的锚定跨模态联合嵌入预测架构
研究提出兼容 SFT 的插件 AC-JEPA，通过在双向跨模态预测被掩码的中间状态，解决视觉到符号翻译中配对数据不完美的问题。在 WildMol 基准的 Simple 集评测中，基于干净数据训练的 AC-JEPA 取得 76.07% 准确率，高于单纯 SFT 的 67.40%。在伪标签自训练下，其准确率进一步提升至 80.23%，而直接 SFT 则降至 63.47%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。