零样本学习相关 AI 资讯

8月21日

00:58

Jim Fan@DrJimFan

82°

GEN-1.5 的成功秘诀在于利用人类数据中的自然重复动作。这些重复主要来自对称模式，如 IKEA 组装手册中的螺栓配对，以及人类的恢复动作。关键在于保留失败的尝试，而非过度清理数据。另一个关键因素是 UMI（直接人类数据收集），它比传统的遥操作（teleop）更能保留人类的物理直觉。有了足够数据，许多行为可以实现零样本学习，无需微调。

推荐理由：GEN-1.5 的成功秘诀在于利用人类数据中的自然重复动作。这些重复主要来自对称模式，如 IKEA 组装手册中的螺栓配对，以及人类的恢复动作。关键在于保留失败的尝试，而非过度清理数据。另一个关键因素是 UMI（直接人类数据收集），它比传统的遥操作（teleop）更能保留人类的物理直觉。有了足够数据，许多行为可以实现零样本学习，无需微调。

原文

7月29日

10:05

官方账号arXiv cs.LG@Rui Liu, Benjamin Paassen

表面肌电（sEMG）用于控制假肢，但现有研究多聚焦基本动作，而日常活动需组合动作。论文提出CPI和SAP两种原型网络方法，实现仅用基本动作训练后零样本识别未见组合动作。在NearLab、NinaPro DB3及新采集的BasCom数据集上，SAP准确率较现有零样本方法提升超过20%。用户在线实验也验证了优势。

论文 sEMG CPI 零样本学习

推荐理由：这篇论文提出了两种新方法，只用基本动作训练就能识别组合动作，在多个数据集上准确率提升超20%，挺实用。

原文

7月3日

09:42

官方一手arXiv: Google DeepMind@Ismail Ismail Tijjani, Ahmad Abubakar Mustapaha, Sunusi Ibrahim Muhammad, Muhammad Bashir Aliyu

本研究评估了五种视觉语言模型（Gemini 2.0 Flash Exp、Qwen2.5-VL-7B-Instruct、GPT-4o、Claude 4 Sonnet、Llama 3.2 Vision 90b）在尼日利亚车牌识别中的零样本学习表现。使用包含88张真实环境图像的测试集，基于字符错误率（CER）指标，Gemini与Qwen在准确性和鲁棒性上显著优于其他模型。该工作对比了VLM与传统YOLO+OCR管线的优劣，并质疑了模型提供商的性能宣称。

论文 Gemini 2.0 Flash Exp Qwen2.5-VL-7B-Instruct 零样本学习

推荐理由：用真实非洲场景测了5个主流VLM，发现Gemini和Qwen在车牌识别上比YOLO+OCR更准，有数据有对比。

原文

6月30日

11:22

官方账号arXiv cs.LG@Haitao Wu, Qirui Zhang, Zhouheng Yao, Shangquan Sun, Qihao Zheng, Mianxin Liu, Chi Zhang, Wanli Ouyang, Chunfeng Song, Changqing Zhang, Jiamin Wu

BrainJanus是首个将脑、视觉和语言整合到单一框架的统一脑模型。它引入Unified Brain Tokenizer将连续神经活动量化为离散Token，并与视觉和语言表征对齐到共享的Omni空间。基于All-in-One自回归架构，该模型通过下一个Token预测实现图像到脑、文本到脑的编码以及脑到图像、脑到文本的解码。在多项基准测试中，BrainJanus取得优越性能，并展现出零样本泛化能力和可解释的生物拓扑结构。代码已在GitHub开源。

论文 BrainJanus 脑机接口多模态

推荐理由：这篇论文提出了BrainJanus，一个能双向翻译脑信号与图像、文本的统一模型，在零样本和生物可解释性上突破传统方法。

原文

6月11日

10:01