跳到正文
热点事件持续更新

CORE：免训练提示优化用于异常合成

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

研究者提出 CORE，一个基于大型多模态模型（LMM）的低成本、免训练提示词优化框架，用于工业异常检测中的异常合成，统一支持零样本与单样本两种设定。 CORE 通过 Anomaly Context Grounding 模块将稀疏的用户上下文转化为结构化异常提示词，并借助自监督对比-反思机制自主优化提示词。该工作由 Haoxiang Rao 等作者以论文形式发布在 arXiv。 上述效果为作者在论文中的表述，尚未经独立验证。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
CORE：面向异常合成的自监督提示词优化框架

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CV
    CORE：面向异常合成的自监督提示词优化框架

    针对工业异常检测中异常样本稀缺的问题，研究者提出 CORE——一个基于大型多模态模型（LMM）的低成本、免训练提示词优化框架，统一支持零样本与单样本异常合成。CORE 通过 Anomaly Context Grounding 模块将稀疏用户上下文转化为结构化异常提示词，并借助自监督对比-反思机制自主优化提示词。

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
–

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。