热点事件观察中
FDSML：公式驱动的监督度量学习与参数感知三元组损失
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月30日，一篇发布在 arXiv 计算机科学预印本平台“神经与进化计算”分类下、尚未经同行评审的预印本提出 FDSML（公式驱动的监督度量学习）方法：用图像生成参数构建三元组监督，并在 ResNet-50 检索任务上报告 Recall@1 在 Stanford Cars 数据集从 56.2% 提升至 78.4%。目前该工作仅有这一篇一手报道，尚无后续的同行评审、独立复现或其他评论。
AI 根据报道生成 · 5 小时前更新
最新进展10月30日 12:00
预印本提出 FDSML，报告 Stanford Cars 检索 Recall@1 由 56.2% 升至 78.4%。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · Neural and Evolutionary ComputingFDSML：公式驱动的监督度量学习与参数感知三元组损失
FDSML 用图像生成参数构建三元组监督，ResNet-50 检索 Recall@1 在 Stanford Cars 从 56.2% 升至 78.4%。
本事件热度走势
当前热度 4·可比范围峰值 5（10月30日 18:00）·近 24 小时可比范围变化 –
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。