实体
JetNet
JetNet
PulseAugur coverage of JetNet — every cluster mentioning JetNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的RINO方法利用重整化群进行物理学中的自监督学习
研究人员推出了一种新颖的高能物理自监督学习方法RINO,该方法利用了喷流形成的尺度间结构。与先前的方法不同,RINO利用重整化群原理和DINO风格的自蒸馏,创建了用于在无标签数据上训练的物理基础视图。这种方法显著提高了模型向真实世界对撞机数据的可迁移性,其性能优于现有的自监督基线,甚至在仅使用少量标签数据的情况下也能媲美完全监督的训练。
-
人工智能和 SpaceX 财富助推私人飞机需求 · 跟踪 2 个来源
据航空业消息人士称,人工智能初创公司和 SpaceX 带来的财富激增正推动私人飞机需求显著增长。这一趋势得益于近期首次公开募股(IPO)以及主要科技公司预期的股票上市,从而带动了飞机购买和包机服务的繁荣。奢侈品旅游公司正专门针对科技企业家,认识到该领域新晋富裕人士数量的不断增加。
-
新研究比较高能物理领域人工智能的预训练方法
一篇新的arXiv论文探讨了在基于仿真的科学(特别是高能物理领域)中基础模型的预训练目标。该研究使用OmniLearned High Energy Physics FM框架,比较了监督分类、流匹配生成和自监督掩码粒子建模。结果表明,当标签丰富时,纯分类器预训练效果最佳,但在标签稀疏的情况下,将其与掩码粒子建模相结合非常有效。对于生成任务,必须在预训练中包含流匹配才能在下游任务中获得显著优势。