NearID：基于近身份干扰项的身份表示学习
深度2026年4月2日36 分钟阅读
最有趣的发现是：现有视觉编码器在身份相关任务中会将对象身份与背景上下文纠缠，导致不可靠表示，而通过近身份干扰项消除上下文捷径后，模型性能大幅下降。计算机视觉研究者、生成模型开发者和身份识别领域从业者应该阅读本文，了解如何构建更鲁棒的身份表示评估体系。
觉得有用？分享给更多人
相关文章
Anthropic 用无状态的 Playground 取代了 Workbench，砍掉了保存提示词和多轮评估等功能。实测中，它一次就能导出可直接运行的代码，而 OpenAI 导出的只是会话记录。作者认为 Anthropic 没有敷衍，留下的部分确实好用。
深度The New Stack·8月24日·6 分钟
总部位于纽约的 General Intuition 正以 60 亿美元投前估值洽谈融资，新投资者包括 Valor Equity Partners、Point72 Ventures 和 Seven Seven Six，老股东 Khosla Ventures 和 General Catalyst 也参与。公司计划将资金用于提升通用模型，重点发展机器人具身智能。
深度·8月24日·3 分钟