English(EN) Universal Sample-Based Embeddings of Higher-Order Objects

新框架统一了分布、函数和图的嵌入

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了一个统一的框架，用于将高阶对象（如分布、函数和图）表示为固定大小的嵌入向量。该方法使用一个从对象的有限样本集中学习的编码器和一个特定领域的解码器，以基于其嵌入来建模对象。该框架设计得非常通用，可以跨不同对象类型工作，并能泛化到对象族中未见过的新成员。其效用通过插值分布、求解微分方程和预测图边等应用得到证明。 AI

影响通过提供一种统一的方法来表示复杂的数据结构，从而实现更复杂的人工智能推理。

排序理由详细介绍新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Radovan Halu\v{s}ka, Christopher Solinas, Nathan R. Sturtevant, Martin Schmid, Michael Bowling · 2026-10-15 04:00

高阶对象的通用基于样本的嵌入

arXiv:2610.19899v1 Announce Type: new Abstract: Neural networks operate naturally on finite-dimensional vectors, yet many problems require reasoning about higher-order objects such as distributions, functions, and graphs. Such objects capture relationships within a ground set and…

本文如何被排名

报道来源 [1]

高阶对象的通用基于样本的嵌入

相关实体

相关话题