蛋白冻结编码器上类增量学习方法迁移性诊断基准
热点事件持续更新
蛋白冻结编码器上类增量学习方法迁移性诊断基准
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
Ziyuan Gao 发布一项受控评测基准：在五个序列、结构及序列–结构类蛋白质编码器和两个酶功能数据集上，将九种主要源自视觉领域的类增量学习方法在冻结编码器条件下进行迁移测试，评测设置在各表示之间保持一致。 结果显示，没有一种方法能在不同编码器间稳定迁移，且该失败在不同阶段（phase）构建方式下持续存在；诊断分析将失败与较弱的梯度稳定性信号、嵌入几何异质性及协方差假设联系起来。代码已公开于 GitHub（zygao930/ProteinCIL）。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
蛋白质冻结编码器上的类增量学习迁移诊断基准报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AI蛋白质冻结编码器上的类增量学习迁移诊断基准
研究在五类蛋白质编码器和两个酶功能数据集上，对九种类增量学习方法进行了冻结编码器的受控迁移测试。结果显示，没有一种方法能在不同编码器间稳定迁移，诊断分析将问题与较弱的梯度稳定性信号、嵌入几何异质性及协方差假设有关；代码已提供至 https://github.com/zygao930/ProteinCIL。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。