§ 01综述

Masked 近期进展

时序图生成中分布漂移的观测校正不可能性：arXiv cs.LG 发布的研究指出，在时序图生成中，分布漂移的观测校正存在不可能性，这对Masked学习算法提出了挑战。

Maskability Index：预测预训练模型提示策略对齐：arXiv cs.AI 提出了一种名为Maskability Index的新指标，用于预测预训练模型提示策略的对齐效果。

Zyphra 发布 ZUNA1.1：Apache 2.0 EEG 基础模型支持 0.5-30 秒可变输入：Zyphra 发布了支持可变长度输入的 Apache 2.0 EEG 基础模型 ZUNA1.1，这为Masked学习提供了新的应用场景。

MOJO框架：利用未标记数据提升神经群体解码泛化能力：arXiv cs.LG 提出的 MOJO框架，通过利用未标记数据，显著提升了神经群体解码的泛化能力。

当前焦点与观察点

Masked学习在时序图生成中的应用面临分布漂移的挑战。

新指标Maskability Index的提出，有助于评估预训练模型提示策略的对齐效果。

可变长度输入的 EEG 基础模型 ZUNA1.1，为Masked学习提供了新的可能性。

MOJO框架通过利用未标记数据，提升了神经群体解码的泛化能力，为Masked学习提供了新的方法。

§ 02相关报道10 条在档

§ 03邻近话题