self-supervision

本文介绍了CGTime，一个4B参数的计算基础时间序列-语言模型，通过确定性统计和LLM言语化将感知与描述解耦，在多元理解任务上优于更大的通用模型。

本文介绍了一种面向视觉语言模型的自我演进框架，使其在没有外部监督的情况下提升提问能力，不仅提高了问题质量，还增强了回答者的表现。

本文介绍了U-TTT，一种带有测试时训练层和双域适配的U型深度学习模型，用于在分布偏移下实现鲁棒的PET图像去噪，在不同剂量水平和扫描仪类型上均达到了最先进性能。

本文介绍了TraceLock，这是一种轻量级即插即用控制器，为冻结的扩散语言模型学习令牌提交策略，无需重新训练即可在各种任务中改善质量与步数之间的权衡。

EVE-Agent 提出了一个自我进化搜索智能体框架，通过生成问题、答案和证据片段，并基于证据的边际准确性增益进行训练，确保证据可验证性。这提高了基于依据的正确性，且无需人工标注。