Meta - arXivDaily 大厂专区

2606.26091 2026-06-25 cs.LG cs.AI 新提交

On-Policy Self-Distillation with Sampled Demonstrations Reduces Output Diversity

基于采样演示的在线自蒸馏降低了输出多样性

Andrei Liviu Nicolicioiu, Mohammad Pezeshki, Aaron Courville

机构 * Mila ； Université de Montréal（蒙特利尔大学）； FAIR at Meta（Meta的FAIR）； CIFAR AI Chair（CIFAR人工智能主席）

AI总结本文发现在线自蒸馏虽提升pass@1准确率，但会降低输出多样性并导致pass@k曲线平坦，通过理论分析揭示了其放大概率差距的机制，并在路径规划与科学问答任务中验证了该问题。

2606.25225 2026-06-25 cs.CV cs.LG 新提交

MJEPA：一种简单且可扩展的音频-视觉联合嵌入预测架构

Revant Teotia, Adrien Bardes, Michael Rabbat, Sumit Chopra, Matthew J. Muckley, Nicolas Ballas

机构 * FAIR at Meta（Meta AI研究实验室）； New York University（纽约大学）

AI总结提出MJEPA，使用统一编码器和单一预测目标进行跨模态预测，在音频分类任务上超越先前方法，并减少视频数据需求。

2606.25115 2026-06-25 cs.LG cs.NI 新提交

遗忘以改进：通过预算策划内存的设备端LLM智能体持续学习

Beining Wu, Zihao Ding, Jun Huang, Yanxiao Zhao

机构 * Apple（苹果）； Google（谷歌）； Microsoft（微软）； Meta ； Alibaba（阿里巴巴）

AI总结提出净价值每字节评分机制，在设备端智能体内存中权衡价值与危害，实现预算约束下的记忆保留、共享与信任决策，降低内存和上行带宽并防御注入攻击。

2405.01741 2026-06-25 cs.CR cs.AI cs.AR cs.LG 版本更新

PVF：理解AI对SDC的脆弱性

Xun Jiao, Fred Lin, Harish D. Dixit, Joel Coburn, Sajin Nair, Abhinav Pandey, Han Wang, Venkat Ramesh, Jianyu Huang, Daniel Moore, Sriram Sankar

机构 * Meta Platforms, Inc（Meta平台）

AI总结提出参数脆弱性因子（PVF）量化AI模型对参数损坏的脆弱性，应用于推荐、视觉和文本分类模型，并用于Meta AI芯片的错误管理设计。