IBM

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） 纠错

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。