variational-learning

提出非对称互变分学习（AMVL），通过双向校准防止答案泄露并提升潜在空间稳定性，解决多模态连续推理中的训练-推理不匹配问题，在BLINK基准测试上取得了显著的性能提升。

本文介绍了数据驱动变分基学习（DVBL），这是一种非神经网络框架，通过变分优化直接从数据中学习基函数，与神经网络相比，具有可解释性和数学透明性。