标签
文章介绍了对比语言模型（CLM），它比System One模型的Jev快9倍，并提供了使用Jev在Pi SDK中构建自定义AI工具的指南。
该推文分享了 Hugging Face 上对比语言模型的链接，重点介绍了像 CLM-v0.1-8B 用于文本排名和 deepswe-clm-heads-8k 等模型的最近更新。
对比世界模型提出了一种新方法，无需像素重建即可学习潜在动态，并通过对比目标来提高在视觉复杂环境中的鲁棒性和效率，适用于基于模型的强化学习。
LE4Mob 是一个归纳式、距离感知的通用位置嵌入框架，用于增强人类移动性建模中的任务，如下一位置预测和通勤流量生成。
这篇文章介绍了Contrastive-LM (CLM)，一种通过对比学习训练的新语言模型，用于连接状态和动作，在计算机使用、游戏和工具调用任务上提供了显著的延迟和性能改进。
本文介绍对比自蒸馏，通过分离正确性与行为转变来提高AI模型的推理能力，并展示了增强的性能和稳定性。
本文提出质心引导对比损失，用于结构化虚假职位发布检测，通过在潜空间中统一分类与聚类，实现了最先进的性能表现。
本文提出了一种参数高效的适应框架，利用LoRA和对比学习增强视觉Transformer，用于合成孔径声呐图像中的自动目标识别。
HERMES 是一个基于图的框架，它通过LLM引导的提取和对比逻辑建模，从临床笔记构建个性化知识图谱，并应用图注意力网络以改善患者预后预测，在MIMIC数据集上性能优于仅文本基线。
本文介绍了Ovis-Embedding，一种最先进的全模态嵌入模型，它使用共享骨干网络将文本、图像、视频和音频编码到公共表示空间中，在MMEB-v3和MVEB等基准测试上取得了顶级性能。
AntennaFlow是一个三阶段生成流模型框架，联合解决天线测试中的相位获取和偏移校正挑战，实现从稀疏仅幅度测量数据进行快速、无相位、无偏移向量的近场到远场重构。
ReMoMask-2通过将检索直接嵌入生成器的潜在空间来改进文本到动作生成，消除表示差距，并在KIT-ML和SnapMoGen等基准测试上实现最先进的结果。
本文提出了一种基于变分自编码器的零样本学习框架，用于多元IoT流量异常检测，通过对抗学习和对比学习实现无需标记数据的域适应，并在多个数据集上展示了优异性能。
本文通过实证研究了使用合成语义监督对小型Transformer中的代码嵌入进行对比预训练，结果显示相比基线有显著提升，并且与大型模型具有竞争力。
本文提出了Prior-Guided Tuning (PGT)和Contrastive Prior Steering (CPS)，利用自然语言先验作为辅助学习信号，提升低资源LLM在AmbiMath、Jigsaw和MNLI/HANS等任务上的训练性能。
PEARL 提出了一种路径-实体对齐关系学习框架，利用上下文子图和LLM引导的检索进行归纳知识图谱补全，在基准测试中取得了最先进的结果。
本研究提出一种两阶段框架，用于句级抑郁症状识别，采用候选生成与定义引导验证方法，在评估方法中取得了最佳准确率和F1分数。
CORE引入一种蒸馏方法，通过Rank-KL目标将组合排序判断从重排序器传输到嵌入模型，从而增强跨基准的组合检索性能，同时不损害标准任务。
研究表明，不同的表征学习目标能从心理测量数据中恢复出不同的潜在结构，其中对比学习目标增强了教师-儿童的检索能力，而基于PCA的方法则更好地保留了行为表型的组织结构。