PulseAugur
中
实时 19:27:26
English(EN) TESSERA v2: Scaling Pixel-wise Earth Foundation Models

TESSERA v2 研究揭示地球观测模型的最佳扩展方法

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员对像素级地球观测基础模型进行了大规模扩展研究，在 1,024 个 NVIDIA GH200 超级芯片上进行了 395 次训练运行。研究发现，预训练损失是下游性能的糟糕预测指标，这表明将计算资源集中在更大的编码器和更多数据上，而不是更大的投影仪上，更为有效。该团队训练了一系列模型，包括拥有 2100 万个参数的 TESSERA v2-1B-M，其性能优于更大规模的开源和专有模型，并通过 Matryoshka 表示法实现了高效服务。 AI

影响 为高效扩展地球观测基础模型提供了数据驱动的方案，有可能加速部署并提高性能。

排序理由 该集群描述了一篇研究论文，详细介绍了关于扩展地球观测基础模型的大规模实证研究。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

TESSERA v2 研究揭示地球观测模型的最佳扩展方法

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Zhengpeng Feng, Sadiq Jaffer, Ira Shokar, Jovana Knezevic, Mark Elvers, Clement Atzberger, Robin Young, Aneesh Naik, Niall Robinson, Andrew Blake, David Coomes, Anil Madhavapeddy, Srinivasan Keshav ·

    TESSERA v2：像素级地球基础模型的扩展

    arXiv:2607.03949v1 Announce Type: cross Abstract: Pixel-wise Earth-observation (EO) foundation models are now achieving state-of-the-art performance via generated spatial embeddings. However, how these models scale and how best to spend a pretraining budget remain poorly understo…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    TESSERA v2：像素级地球基础模型的扩展

    Large-scale controlled experiments reveal optimal scaling strategies for Earth-observation foundation models, enabling efficient training and deployment through encoder growth, downstream performance selection, and model distillation.

相关实体

相关话题