arXiv · cs.AI· Qun Dai, Liangjian Wen, Jiang Duan, Yong Dai, Dongkai Wang, Maolin Wang, Mingjie Wang, Jianzhuang Liu, He Yan, Zhao Kang·· 6 小时前
HRIL：通过高阶张量建模学习多模态协同
HRIL: Learning Multimodal Synergy via Higher-Order Tensor Modeling
arXiv:2610.12393v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qun Dai, Liangjian Wen, Jiang Duan, Yong Dai, Dongkai Wang, Maolin Wang, Mingjie Wang, Jianzhuang Liu, He Yan, Zhao Kang
研究任务与主要进展
基于论文摘要，作者提出HRIL，通过模态嵌入上的经验跨阶矩张量和Tucker分解建模多模态协同信息，并使用协同感知正则化避免能量集中。摘要称，该方法在受控协同任务和真实世界基准上相较现有多模态对比方法取得一致改进，在协同信息占主导的任务上增益更明显；代码已发布于https://github.com/brightest66/HRIL。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org