AI资讯文章2026-8-11SLED：通过知识蒸馏实现可扩展的位置编码，大幅降低地理空间大模型算力成本地球观测数据处理迎来新突破。最新研究提出SLED（通过蒸馏实现的可扩展位置编码）框架，通过将地理位置作为绑定模态，在极小批次下实现高效多模态数据训练，显著降低计算成本，并在19项人类中心基准测试中表现卓越。
AI资讯文章2026-8-10基于多模态卫星图像与深度证据回归：AI 如何精准估算森林高度并量化不确定性研究团队提出了一种基于深度证据回归（DER）的全新方法，通过多模态卫星图像（Sentinel-1/2）不仅能高精度估算稀疏森林高度，还能有效量化预测的不确定性，为碳核算与生态管理提供可靠的 AI 解决方案。
.png?table=collection&id=cbe6506e-1263-8358-a4d7-07ce62fcbb3f&t=cbe6506e-1263-8358-a4d7-07ce62fcbb3f){kind=small}
SLED：通过知识蒸馏实现可扩展的位置编码，大幅降低地理空间大模型算力成本
地球观测数据处理迎来新突破。最新研究提出SLED（通过蒸馏实现的可扩展位置编码）框架，通过将地理位置作为绑定模态，在极小批次下实现高效多模态数据训练，显著降低计算成本，并在19项人类中心基准测试中表现卓越。