标签
该论文提出了世界快照模型(WSMs),这是一个将几乎所有视觉任务重新表述为生成任务的统一框架,并在 1,000 多项视觉任务中验证了“视觉任务统一定律”,类似于大语言模型统一自然语言处理的方式。
Iris-Z 是一个统一的生成式骨干模型,能够联合建模图像外观与深度,在大规模上超越专用的单目深度模型,同时保留通用的图像生成能力,现已向社区发布两个模型。
该论文表明,诱导稀疏性的正则化会促使多任务神经网络涌现出功能模块性,从而识别出紧凑的任务选择性子网络(“功能令牌”),这些子网络无需重新训练即可跨路径重新组合。
本文评估了在13个临床NLP数据集上进行联合微调的小型循环深度语言模型(Ouro-1.4B/2.6B-Thinking、HRM-Text-1B),发现它们在大多数任务上表现优于或持平于同等规模的Qwen3 Transformer模型,尤其是在推理和问答任务上。
论文介绍了DPTM-DT,这是一个用于多任务药物-靶点预测的双预训练Transformer框架,它结合了分子图嵌入、蛋白质语言模型嵌入和物理化学描述符,在基准数据集上实现了最先进的性能。
本文介绍了首个针对希腊歌曲自动歌词转录的基准,表明通过多任务学习和两阶段训练适配Whisper,达到了27.2%的词错误率,显著优于零样本基线。
本文介绍了 PopFS,一种学习共享特征集的方法,该特征集对异质性群体具有稳健性,并允许每个群体训练自己的模型。在来自五个表格和公共卫生数据集的六项预测任务中的八个群体划分,以及一项覆盖43个州的 COVID-19 即时预测研究中,PopFS 在平均表现和最差群体表现上均持续优秀。
本文认为,表示学习(而非基于模型的规划)是可扩展多任务深度强化学习的关键。文章介绍了MR.Q,一种简单的无模型算法,通过辅助预测目标,在多种连续控制任务上优于之前基于世界模型的方法。
TabPFN-MT 将 PFN 扩展到表格数据的多任务上下文学习,在小到中等规模数据集上取得了最先进的结果,同时将推理成本从 O(T) 次前向传播降低到 O(1) 次。