Investigadores presentan CoCoEvolve para el aprendizaje entre gráficos, tablas y código

Un nuevo artículo en arXiv presenta CoCoEvolve, un enfoque autosupervisado para el aprendizaje entre representaciones de imágenes de gráficos, datos tabulares y código de visualización. El método define correspondencias explícitas uno a uno y optimiza los modelos mediante el acuerdo entre representaciones, en lugar de depender de anotaciones adicionales. Los autores también presentan CoCoEvolve@Eval, una suite de evaluación que cubre las seis tareas entre representaciones, y reportan mejoras en cuatro benchmarks tanto durante el entrenamiento como en escenarios de inferencia.