**上下文多示例学习：利用少量标注包实现无梯度推理**

_In-Context Multiple Instance Learning_

> 本文提出一种上下文多示例学习方法，在合成数据上预训练Perceiver架构模型，使其仅凭少量标注包即可解决新任务。推理时无需梯度更新，单次前向传播完成分类。通过混合多种合成数据生成器，模型继承了各生成器的归纳偏置优势，在12个多示例学习基准上平均性能最优，超越了需要特定任务训练的监督基线。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.06458)