热点事件持续更新
eCoMAE：可观测性对齐证据掩码预训练用于VRU运动预测
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
2026年10月29日，arXiv cs.AI / cs.LG 刊出一篇论文，提出 eCoMAE，一种面向可靠 VRU（弱势道路使用者）运动预测的可观测性对齐证据掩码预训练方法。据该报道，方法通过块级时间步掩码（block-level time-step masking）与 Normal-Inverse-Gamma 解码器，使预测证据随可观测性变化。目前该工作仅以预印本形式公开，报道中未提及实验结果、数据集评测或同行评审情况，也未见后续跟进报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月29日 20:54
arXiv 新论文提出 eCoMAE，以块级时间步掩码与 NIG 解码器使预测证据随可观测性变化。报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv cs.AI / cs.LG 最新eCoMAE：面向可靠 VRU 运动预测的可观测性对齐证据掩码预训练
eCoMAE 提出一种可观测性对齐的证据掩码预训练方法，用于 VRU 运动预测，通过块级时间步掩码与 Normal-Inverse-Gamma 解码器让预测证据随可观测性变化。
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。