标签
Meta-CLIP 引入了一种以元数据为条件的对比学习框架，利用 DICOM 采集字段对跨模态负样本重新加权，在 CT-RATE 和多个胸部 X 光（CXR）基准测试中的零样本疾病分类表现优于 CT-CLIP。
Jeff 是 Qwen3.5 和 Gemma 4 的微调版本，用于零样本分类，可在本地设备上快速运行，性能在某些基准上接近 Jev。
Jeff系列模型是超快速的开放权重决策模型，通过在RTX PRO 6000等硬件上本地训练，实现了与更大模型如Jev相当的基准测试性能，推理速度低于30毫秒。
一条推文质疑'决策模型'是否是AI中零样本分类的新术语。
GeoTTER 提出了一种新颖的最优传输框架，用于零样本分类，该框架融入局部几何结构和聚类引导的成本组件，相比基线方法实现了显著的性能提升。
本文提出了一种零样本检测流水线，用于刻画AI生成诗歌中的人性化特征，旨在识别区分人类与机器诗歌的属性，并改进检测方法。
本文使用预训练LLM进行零样本分类，分析了约2000万条Twitch聊天信息，涵盖七种游戏类型，发现2.4%的消息具有毒性，其中MOBA游戏的毒性率最高（3.2%），体育游戏最低（2%）。研究还发现，同一类型内不同游戏之间的毒性分布存在显著差异。