热点事件持续更新
研究者提出自适应锚点函数空间Transformer
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月1日，研究人员提出具备自适应锚点的函数空间Transformer（FST）。该架构通过动态预测自适应锚点位置并递归细化特征，实现连续隐式表征学习。实验结果显示，在PDEBench Burgers与Darcy flow偏微分方程预测任务中，FST的表现显著超越Perceiver IO，并比肩傅里叶神经算子；在ImageNet-1K图像分类任务上，FST亦以更少参数量取得了优于Vision Transformer的准确率。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究人员提出函数空间Transformer，在PDE预测与图像分类中表现优异。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 机器学习具备自适应锚点的函数空间 Transformer（FST）
研究人员提出函数空间 Transformer（FST），通过动态预测自适应锚点位置并递归细化特征，实现连续隐式表征学习。在 PDEBench Burgers 与 Darcy flow 偏微分方程预测中，FST 表现显著超越 Perceiver IO 并比肩傅里叶神经算子。在 ImageNet-1K 分类任务上，FST 亦以更少参数取得了优于 Vision Transformer 的准确率。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1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。