Johns Hopkins University（约翰斯·霍普金斯大学）

Model Agreement via Anchoring

通过锚定实现模型一致性

Eric Eaton, Surbhi Goel, Marcel Hussing, Michael Kearns, Aaron Roth, Sikata Bela Sengupta, Jessica Sorrell

机构 * Department of Computer and Information Sciences, University of Pennsylvania（计算机与信息科学系，宾夕法尼亚大学） ； Department of Computer Science, The Johns Hopkins University（计算机科学系，约翰霍普金斯大学） 纠错

AI总结 本文提出了一种基于锚定的技术，用于证明四种常见机器学习算法在独立模型不一致度上的界限，通过调整训练参数减少模型预测的不一致性。

Pix2Key: Controllable Open-Vocabulary Retrieval with Semantic Decomposition and Self-Supervised Visual Dictionary Learning

Pix2Key: 通过语义分解和自监督视觉字典学习实现可控的开放词汇检索

Guoyizhe Wei, Yang Jiao, Nan Xi, Zhishen Huang, Jingjing Meng, Rama Chellappa, Yan Gao

机构 * Johns Hopkins University, Baltimore, US（约翰霍普金斯大学） ； Amazon.com, Seattle, US（亚马逊公司） 纠错

AI总结 Pix2Key通过语义分解和自监督视觉字典学习，实现可控的开放词汇检索，提升检索精度和多样性。

ViT-Linearizer: Distilling Quadratic Knowledge into Linear-Time Vision Models

ViT-Linearizer: 将二次知识蒸馏到线性时间视觉模型中

Guoyizhe Wei, Rama Chellappa

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 ViT-Linearizer通过激活匹配和掩码预测方法，将ViT的二次自注意力知识蒸馏到线性时间递归模型中，提升高分辨率任务效率并改进Mamba架构性能。