New York University（纽约大学）

Quasiprobabilistic Density Ratio Estimation with a Reverse Engineered Classification Loss Function

准概率密度比估计与逆向工程分类损失函数

Matthew Drnevich, Stephen Jiggins, Kyle Cranmer

机构 * Physics Department, New York University（纽约大学物理系） ； Physics Department, University of Wisconsin--Madison（威斯康星大学麦迪逊分校物理系） ； Data Science Institute, University of Wisconsin--Madison（威斯康星大学麦迪逊分校数据科学研究院） 纠错

AI总结 本文提出了一种适用于准概率密度比估计的凸损失函数，并通过粒子物理中的双希格斯生产实验实现了最先进的结果。

Comments 25 pages, 7 figures

Next-Embedding Prediction Makes Strong Vision Learners

下一步嵌入预测使视觉学习更强

Sihan Xu, Ziqiao Ma, Wenhao Chai, Xuweiyi Chen, Weiyang Jin, Joyce Chai, Saining Xie, Stella X. Yu

机构 * University of Michigan（密歇根大学） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 本文提出NEPA方法，通过生成嵌入进行预测任务，实现强大的视觉自监督学习效果。

Comments Project Page: https://sihanxu.me/nepa