DAGR：状态条件目标表征的差分感知目标交叉注意力
Get the story
2026年10月5日，arXiv（Statistics Machine Learning，一手来源）发布论文《DAGR：通过差分感知目标交叉注意力实现状态条件化目标表征》。论文提出 DAGR 方法，用多尺度门控交叉注意力把任意后融合编码器的静态目标嵌入细化为状态条件化表征，并以门控残差和差分感知注意力规则约束细化过程。理论分析指出，后归一化放置会破坏“闭合门时返回输入”的条件，在冻结检查点上造成损失，恢复该条件可部分挽回。OGBench 实验显示，DAGR 改进导航任务，其他任务持平或落后于基线；消融实验显示增益来自门控残差而非差分偏置。代码已开源。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine LearningDAGR：通过差分感知目标交叉注意力实现状态条件化目标表征
论文提出 DAGR，用多尺度门控交叉注意力把任意后融合编码器的静态目标嵌入细化为状态条件化表征，并以门控残差和差分感知注意力规则约束细化过程。理论分析指出后归一化放置会破坏“闭合门时返回输入”的条件，在冻结检查点上造成损失，恢复该条件可部分挽回。OGBench 上 DAGR 改进导航任务、其他任务持平或落后于基线，消融显示增益来自门控残差而非差分偏置，代码已开源。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.