English(EN) Exploring Sparsity for Parameter Efficient Fine Tuning Using Wavelets for Vision

小波微调 (WaveFT) 为 AI 模型提供先进的参数效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-14 04:00

研究人员推出了一种新颖的参数高效微调 (PEFT) 方法——小波微调 (WaveFT)，该方法利用了权重矩阵小波域中的稀疏性。与 LoRA 等现有方法不同，WaveFT 通过学习稀疏更新，提供了对可训练参数更精细的控制，这可以实现高秩更新并避免 LoRA 的子空间限制。对视觉和语言任务的理论分析和实验结果证明了 WaveFT 的有效性，在视觉任务的 PEFT 方法中取得了最先进的性能。WaveFT 方法已集成到 Hugging Face PEFT 库中。 AI

影响 WaveFT 的细粒度参数控制和在视觉任务上改进的性能，可以加速大型模型在专业应用中的高效适应。

排序理由该集群描述了一篇关于 AI 模型参数高效微调新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于 AI 模型参数高效微调新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 62 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ahmet Bilican, M. Ak{\i}n Y{\i}lmaz, A. Murat Tekalp, R. G\"okberk Cinbi\c{s} · 2026-08-14 04:00

使用小波进行视觉参数高效微调的稀疏性探索

arXiv:2505.12532v3 Announce Type: replace-cross Abstract: Efficiently adapting large pretrained models is critical under tight compute and memory budgets. While Parameter-Efficient Fine-Tuning (PEFT) methods like LoRA achieve efficiency through low-rank updates, their discrete ra…

本文如何被排名

报道来源 [1]

使用小波进行视觉参数高效微调的稀疏性探索

相关实体

相关话题