热点事件持续更新
受控部分神经坍缩提升长尾识别
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.CV 刊出论文，提出“受控部分神经坍缩”方法，并指出完全坍缩并非最优。该方法由两部分组成：一是 Class-Adaptive Sparse Activation（CASA）分类器，二是 ETF 约束的自适应 margin 损失（ETF-AM）。其设计思路是让头类沿 ETF 方向坍缩，同时让尾类保留类内多样性，以应对长尾识别中类别样本分布不均的问题。目前公开的只有该论文的方法介绍，还没有实验数据、对比结果或后续复现报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
arXiv 新论文提出受控部分神经坍缩，头类沿 ETF 坍缩、尾类保留类内多样性。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CV完全坍缩并非最优：面向长尾识别的受控部分神经坍缩
受控部分神经坍缩方法通过 Class-Adaptive Sparse Activation（CASA）分类器与 ETF 约束的自适应 margin 损失（ETF-AM），让头类沿 ETF 坍缩、尾类保留类内多样性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。