跳到正文
热点事件持续更新

JEM训练逼近微调DINOv3

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Simon Goodman用约25万张植物图像完成JEM的100个epoch训练,消耗20多个H100小时;其性能与见过更多数据的微调版DINOv3(Pl@ntNet监督检查点)相差约1个点,并完成了与LeJEPA、LayerScale消融版及DINOv3的特征可视化对比。 测试中,仅有515张训练图的稀有类别表现较差,Goodman怀疑与采样有关,但未采用简单过采样。LeJEPA基线仍在调优,因此相关对比结论仍可能随基线更新而变化。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月10日
  1. AGI Hunt
    JEM 以 20 多个 H100 小时训练逼近微调 DINOv3,并进行 patch 特征可视化对比

    Simon Goodman 用约 25 万张植物图像训练 JEM 100 个 epoch,仅消耗 20 多个 H100 小时,性能距见过更多数据的微调 DINOv3 约 1 个点。

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。