热点事件持续更新
仅用两个样本训练的 Deep Set：摊销推断扩展到大规模集合
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
2026-11-10，arXiv hep-ex 频道发布一项关于神经后验估计（NPE）的新策略：该方法将表示学习与后验建模解耦，仅用最多两个样本训练 mean-pool Deep Set 编码器，使其能够泛化到任意集合规模，随后在预聚合嵌入上微调推断头，令训练成本基本与部署时的集合规模 N 无关。在 N 达数千的标量、图像、多视角 3D、分子及高维条件生成等基准上，该方法以远低于标准基线的计算量，取得了相当或更优的性能。这是该事件的首篇报道，暂无与早先报道矛盾之处。
AI 根据报道生成 · 2 小时前更新
最新进展11月10日 13:00
arXiv 发布新 NPE 策略：两样本训练 Deep Set 编码器，训练成本与集合规模解耦。报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- arXiv hep-ex（粒子实验）仅用两个样本训练的 Deep Set：摊销推断扩展到大规模集合
一种新的神经后验估计（NPE）策略将表示学习与后验建模解耦，用最多两个样本训练 mean-pool Deep Set 编码器，使其泛化到任意集合规模，再在预聚合嵌入上微调推断头，使训练成本基本与部署集合规模 N 无关。在 N 达数千的标量、图像、多视角 3D、分子及高维条件生成基准上，该方法以远低于标准基线的计算量达到相当或更优的性能。
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。