ECHO-k：自监督测试时特征获取，少测多知

研究者提出 ECHO-k，一种任务无关、自监督的模态获取原则：在测试时利用深度模型（如基础模型）的内部预训练表示作为代理，顺序选择信息量大的模态，无需知道下游任务或预测目标。该方法针对多模态高维学习中测试时获取全部特征成本高昂且冗余的问题。