热点事件持续更新
CRAFT:不完全多视角聚类的协议差异与一次性训练框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01，arXiv · Neural and Evolutionary Computing 发表一手研究，指出相同名义缺失率的缺失视角协议会因观测结构差异导致完全观测样本比例相差约50倍，并据此提出 CRAFT（无共现鲁棒注意力融合 Transformer）一次性训练框架。该框架通过逐样本前向计算与掩码感知融合处理缺失视角，在 CUB 和 MultiFashion 的 12/13 信息匹配设置中取得最强性能，并在 7 个基准、16 种缺失配置下通过检查点复用大幅节省计算。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
arXiv 论文发布，提出 CRAFT 框架并报告在多个基准与缺失配置下的性能与效率结果。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Neural and Evolutionary Computing超越缺失率：基于协议差异重新思考不完整多视角聚类
论文指出相同名义缺失率的缺失视角协议会因观测结构差异导致约50倍的完全观测样本比例不同，提出CRAFT（无共现鲁棒注意力融合Transformer）一次性训练框架，通过逐样本前向计算与掩码感知融合处理缺失视角，在CUB和MultiFashion的12/13信息匹配设置中取得最强性能，并在7个基准、16种缺失配置下通过检查点复用大幅节省计算。
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。