跳到主要内容
检索

Hao Sun

2 篇关联报道

订阅更新
  1. arXiv

    CLIP增量学习不再只看[CLS]与[EOS]:PACE把局部图块和词元拉进决策,九个基准上末次准确率领先

    基于CLIP的类增量学习此前主要用全局的视觉[CLS]与文本[EOS]表示做跨模态匹配,图像块级细节和词元级语义在最终匹配中被忽略。PACE从冻结的CLIP编码器中选出与全局表示最相关的top-k视觉图块和文本词元,用跨模态融合模块把局部信息注入全局表示,并以子空间投影约束共享融合权重的更新。在九个基准数据集上,PACE的末次准确率与平均准确率均高于所列对比方法,例如Cars B0 Inc10上末次准确率为93.94。

  2. arXiv

    振动试验记录交给大模型读:六道确定性校验后,20份配置的限幅决策与人工基准逐位一致

    低轨星座卫星的正弦振动验收试验中,试验条件写在中文记录里,过去要人工编码进分析程序。哈尔滨工业大学团队让DeepSeek V4.1 Flash与Qwen-plus把记录读成76字段的配置,并在配置进入数值程序前设置六道确定性校验,检查单位、物理一致性、原文引用、双模型一致、与测量导出文件一致以及模型适用范围。在最终流程与共识策略下,20份大模型配置给出的限幅决策与人工基准逐位一致,被消费字段中的1个真实错误和16个注入错误全部被拦下,其中16个若无校验会直接运行。

已读完全部报道