PulseAugur
中
实时 12:56:37
English(EN) When Tabular Foundation Models Transfer Across Modalities: A Systematic Evaluation Across 95 Datasets, 7 Modalities, and Two Regimes

表格基础模型展现跨模态迁移能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的分类流程，该流程将等角紧框架（ETF）预处理步骤与表格基础模型相结合，用于上下文内推理。这种统一的方法应用于包括视觉、音频、文本和表格数据在内的七种不同数据模态，在运行速度显著提高的同时，展现出与轻量级微调基线相比具有竞争力的性能。该系统专为实际部署而设计，提供了关于ETF应用、无验证集划分的训练以及概率校准的指导，为实践者提供可靠的置信度信号。 AI

影响 这项研究展示了一种将基础模型应用于各种数据类型的统一方法，有可能简化AI的开发和部署。

排序理由 该集群包含一篇详细介绍机器学习新方法的学术论文。

在 arXiv stat.ML 阅读 →

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

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Julien Lafrance ·

    当表格基础模型跨模态迁移时：一项在 95 个数据集、7 种模态和两种制度下的系统性评估

    arXiv:2606.02106v1 Announce Type: cross Abstract: We present a single classification pipeline that combines an Equiangular Tight Frame (ETF) preprocessing stage with a tabular foundation model for in-context inference, applied identically across modalities once data is mapped to …

  2. arXiv stat.ML TIER_1 English(EN) · Julien Lafrance ·

    When Tabular Foundation Models Transfer Across Modalities: A Systematic Evaluation Across 95 Datasets, 7 Modalities, and Two Regimes

    We present a single classification pipeline that combines an Equiangular Tight Frame (ETF) preprocessing stage with a tabular foundation model for in-context inference, applied identically across modalities once data is mapped to fixed vector representations. We evaluate it on 95…

相关实体

相关话题