热点事件持续更新
YORO：冻结响应空间的一次性视觉重编程
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
YORO 是一种视觉重编程方法，其核心是冻结响应空间、以单次前向完成适配，无需反向传播。方法中的 BDM 模块从流式类别统计构建协方差感知仿射映射，在冻结响应空间中直接生成下游预测器。据 2026 年 9 月 30 日 arXiv cs.CV 报道，在三组全数据设置中，YORO 的平均准确率较此前最强的无梯度映射方法提升 18.4%–24.4%；在 16-shot CLIP 上，四种骨干网络的平均准确率由 71.4% 升至 77.2%。当需要进一步输入适配时，YORO-FP 可选地对视觉提示微调 20 个 epoch，验证阶段仍保留单次前向得到的预测器。该工作目前以预印本形式发布，后续进展有待观察。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
新报道称 YORO 在 16-shot CLIP 上四骨干平均准确率由 71.4% 升至 77.2%。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CVYORO：重新思考视觉重编程的长时间训练
YORO 提出单次前向、无需反向传播的视觉重编程方法：BDM 从流式类别统计构建协方差感知仿射映射，在冻结响应空间直接生成下游预测器。三组全数据设置中，平均准确率较最强先前无梯度映射提升 18.4–24.4%；16-shot CLIP 上四骨干平均从 71.4% 升至 77.2%。需要进一步输入适配时，YORO-FP 可选微调视觉提示 20 epochs，验证常保留单次预测器。
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。