09:40
arXiv cs.AI@Yafeng Wu, Huu Hiep Nguyen, Thin Nguyen, Hung Le
推荐理由：这篇论文提出CADE，解决了LLM处理时间序列时丢了数值信息的痛点，用直接时间步嵌入和对比对齐，在Time-MQA上比GPT-4还强。
全部 AI 动态
AI 相关资讯全量信息流
6月18日
09:40
论文提出CADE框架，用于时间序列问答。该框架通过点式线性编码器和MLP投影器将每个时间步直接映射到LLM嵌入空间，避免分词瓶颈和固定窗格损失。引入单向监督对比损失对齐时间序列嵌入与冻结类名文本锚点。在Time-MQA基准上，CADE在六个TSQA任务中一致优于开源和闭源LLM基线。
6月17日
09:42
09:42
arXiv cs.AI@Ruixin Song, Md Mahbub Alam, Zahra Sadeghi, Amilcar Soares, José F. Rodrigues-Jr, Gabriel Spadon
推荐理由：这篇论文给做轨迹相似性的人提供了一个现成的对比学习框架，用MoCo范式在真实AIS数据上测了多个模型，效果比基线好。
6月16日
20:46
AITOP6月16日 20:46
11:12
11:12
arXiv cs.LG@Matteo Cartiglia, Sandro Kuppel, Wouter Botermans Wannes Peeters, Natan Biesmans, Liam Vandekerckhove, Eric Beamish, Koen Ongena, Wouter Renckens, Pol Van Dorpe, Sanjin Marion
推荐理由：这篇论文用模拟信号训练编码器，把纳米孔信号转成可解释坐标，识别快了一千倍，实验也扎实。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月9日
11:44
11:44
arXiv cs.LG@Suraj Biswas, Saurabh Gupta, Pritam Mukherjee
精选
推荐理由：做因果推断或行为建模的团队会发现，嵌入相似度直接当因果用是危险的——这篇给出了可落地的对比学习方案，还附带了加速脚本，值得直接试。
6月8日
09:16
09:16
arXiv cs.AI@Eloy Geenjaar, Vince Calhoun, Scott Daly, Gouthaman KV, Lie Lu, Trisha Mittal, Daniel P. Darcy
推荐理由：做可穿戴健康监测或临床PPG分析的团队，可以关注这个用更少数据训练出更强鲁棒性的方法，直接提升在真实场景中的表现。
6月4日
10:50
10:50
arXiv cs.AI@Xiaoyang Jiang, Yanlai Yang, Kenneth A. Norman, Brenden Lake, Mengye Ren
精选
推荐理由：BabyCL解决了持续学习场景下多模态对齐的难题，做认知科学或持续学习的研究者可以直接参考其双回放缓冲区设计，值得关注。
5月28日
11:30
11:30
arXiv cs.AI@Linas Nasvytis, Simon Jerome Han, Ben Prystawski, Satchel Grant, Noah D. Goodman, Judith E. Fan
精选72°
推荐理由：CORE用极少的样本和推理次数就能让模型快速变聪明，做推理优化或小样本学习的团队值得关注，尤其适合资源受限场景。