热点事件持续更新
研究提出JEPA训练动力学理论与ResidualPred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，研究团队针对联合嵌入预测架构（JEPA）的表征崩溃问题，提出了早期训练稳定性理论，揭示了驱动力与衰减效应之间的竞争机制。该理论统一解释了预测器缩放、掩码比例和指数移动平均（EMA）在训练中的作用，并在超过800种Tabular-JEPA配置下证实了相界。基于该理论设计的ResidualPred架构，有效提升了表格数据以及CIFAR、ImageNet等I-JEPA预训练的有效秩与下游任务精度。目前，该研究的相关代码已正式开源。
AI 根据报道生成 · 5 小时前更新
最新进展10月5日 12:00
研究团队提出JEPA训练动力学理论与ResidualPred架构，代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 机器学习驱动与衰减：联合嵌入预测架构（JEPA）的训练动力学研究
研究针对联合嵌入预测架构（JEPA）的表征崩溃问题提出早期训练稳定性理论，揭示了驱动力与衰减效应的竞争机制。该理论统一解释了预测器缩放、掩码比例和 EMA 的作用，并在超 800 种 Tabular-JEPA 配置下证实了相界。据此设计的 ResidualPred 提升了表格及 CIFAR、ImageNet 等 I-JEPA 预训练的有效秩与下游精度，代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5日 12:00）·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。