标签
本文提出一种方法，利用几何特征和回顾性监督，在嵌入空间中预测将成为新兴主题一部分的预期异常值，并在法国新闻语料库上展示了高预测性能。
SimLoss利用嵌入空间对比监督，实现单次细粒度图像描述，在降低延迟的同时达到多阶段质量，其中SimLoss FFT等变体实现了高精度。
EXPL-FR 是一种方法，通过将视觉语言嵌入与识别空间对齐来解释人脸识别模型，从而实现语义属性的无标签审计和模型比较，而无需访问模型架构。
本文提出了一种几何过滤框架，通过评估LLM生成样本在嵌入空间中与真实类别示例的欧氏距离来选择高质量样本，从而将少样本文本分类性能提升了2.61个百分点，优于SMOTE方法。
ConceptFormer学习用于视觉文档检索的连续潜在概念表示，无需文本中间体即可连接视觉证据和语义相关性，相对于基线实现了显著改进。
本文提出了一种几何感知的对抗攻击框架，针对对比嵌入流形中的关系结构进行攻击，表明诸如 Markmatch 之类的验证系统会因扭曲成对相似度而非决策边界而严重退化。
本文将书籍视为句子嵌入空间中的点，并将从原著到续集的变换分解为可解释的轴，揭示续集类型（公式化、集中型、复合型）的分类法。该方法应用于十三组作者对，并通过《汤姆·索亚历险记》到《哈克贝利·费恩历险记》的作者意图验证了该几何结构。
Rotate2Think 是一种无需训练的方法，通过估计从输入嵌入到思考嵌入的旋转，并在推理时注入合成的思考向量，从而提升语言模型的推理能力，在多个基准测试上实现了准确率提升。
几何潜在推理（GLR）为LLM中的潜在推理引入了一种几何路径近似方法，能够在数学推理基准上保持准确性的同时实现更短的生成。
本文介绍了 PASA，这是一种针对大语言模型（LLM）生成文本的鲁棒性水印算法，它在语义层面利用潜在嵌入空间运作，以抵抗诸如改写（paraphrasing）之类的语义不变攻击。
研究者发布 CSR-L 与 CS-MTEB 基准，发现语码转换查询使 IR 系统性能下降高达 27%，并揭示嵌入空间 divergence 是当前多语言技术无法修复的根本原因。