待验证50% 置信事实精确时间

REPA使用预训练视觉编码器，通过MLP投影头对扩散骨干网络的中间层进行监督，训练完成后投影头被丢弃，不增加推理时计算量。

1

来源数

50%

置信度

长期有效

时效性

2026/10/15

首次发现

来源

RECON：让扩散Transformer训练提速63倍的表示条件化方法

rss2026/10/14

涉及实体

REPAconcept MLP投影头concept

相关事实

待验证在视觉对齐训练阶段冻结LLM主干参数、分阶段训练、数据配比回放和LoRA等方法可缓解多模态训练中的灾难性遗忘问题75% 相似待验证在ImageNet-1k监督训练场景中，从头训练的reViT-B/16达到与DeiT III相当的精度，而存储参数减少了约70%。72% 相似待验证VITAL在未重新训练的情况下迁移到NAVSIM v2新基准时的表现，说明视觉运动脚手架的表征方式具备一定的泛化能力，而不是过拟合到特定数据集。72% 相似待验证预训练+微调范式源自NLP和计算机视觉领域，其核心是大规模数据预训练学到通用底层特征，下游任务用少量标注数据适配72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1037868

API

curl https://kongchang.com/api/v1/knowledge/claims/1037868

MCP

get_claim(id=1037868)