HRIL多模态协同表示学习论文被NeurIPS 2026接收

研究者 Qun Dai 等提出多模态协同表示学习方法 HRIL，相关论文被 NeurIPS 2026 接收，代码已开源。该方法针对多模态协同信息难以捕捉的问题，对模态嵌入构建经验交叉矩张量，用 Tucker 分解提取核心张量，并配合协同感知正则项保留高阶耦合能力。 作者称，在受控协同任务和真实基准上，HRIL 相比现有多模态对比方法取得一致提升，在协同交互主导的任务上增益尤为明显。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。