IBM - arXivDaily 大厂专区

2608.04926 2026-08-06 cs.LG cs.AI cs.CL 新提交

Consistency-Driven Co-Evolution for Self-Supervised Cross-Representation Learning

一致性驱动的协同演化用于自监督跨表示学习

Xuehang Guo, Pengyuan Li, Tom Hope, Tirthankar Ghosal, Manling Li, Qingyun Wang

机构 * William & Mary（威廉玛丽学院）； IBM（国际商业机器公司）； Allen Institute for AI（艾伦人工智能研究所）； Oak Ridge National Laboratory（橡树岭国家实验室）； Northwestern University（西北大学）

AI总结针对图表、表格、代码跨表示学习的挑战，提出CoCoEvolve方法，通过定义一一对应关系、利用表示一致性优化模型，在4个基准的训练和测试场景中提升了性能。

2410.10783 2026-08-06 cs.CV 版本更新

LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content

LiveXiv —— 基于 arXiv 论文内容的多模态实时基准测试集

Nimrod Shabtay, Felipe Maia Polo, Sivan Doveh, Wei Lin, M. Jehanzeb Mirza, Leshem Choshen, Mikhail Yurochkin, Yuekai Sun, Assaf Arbelle, Leonid Karlinsky, Raja Giryes

机构 * Faculty of Engineering Tel-Aviv University（特拉维夫大学工程学院）； IBM Research（IBM研究院）； Department of Statistics, University of Michigan（密歇根大学统计学系）； JKU Linz, Austria（林茨大学，奥地利）； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）； MIT-IBM（麻省理工学院-IBM）

AI总结针对多模态模型训练中测试数据污染问题，提出基于 arXiv 论文的 LiveXiv 实时基准，自动生成 VQA 对，用部分模型评估降低成本，验证了其性能差异极小，数据集已在 HuggingFace 公开。