English(EN) M-PFT: Angular Margin for Calibrated Prompt-Tuning of Fine-Tuned Vision-Language Models

M-PFT 方法提高了视觉-语言模型的校准性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-29 11:39

研究人员推出了一种用于视觉-语言模型（VLM）提示调优的新方法 M-PFT，该方法解决了校准问题。提示调优的 VLM 通常在熟悉类别上表现出信心不足，在新类别上表现出过度自信。M-PFT 采用角边距方法，通过最小化类别嵌入之间的余弦相似度并将可调嵌入与其零样本对应项对齐来增强类别可区分性。在各种方法和数据集上的实验表明，M-PFT 在保持基础类别性能和准确性的同时，能有效降低新类别的校准误差，且计算成本极低。 AI

影响这项研究提供了一种提高视觉-语言模型可靠性和校准性的新颖方法，有望增强其在实际应用中的性能。

排序理由该集群描述了一篇关于提示调优视觉-语言模型的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 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: 1 / 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提示调优视觉-语言模型的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: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-10-29 11:39

M-PFT：微调视觉语言模型的校准提示调优的角边距

Prompt-tuning has emerged as a parameter-efficient technique for adapting large-scale vision-language models (VLMs) to downstream tasks while keeping the pre-trained weights frozen. However, prompt-tuned VLMs often suffer from a base-to-novel dual miscalibration problem, where mo…

本文如何被排名

报道来源 [1]

M-PFT：微调视觉语言模型的校准提示调优的角边距

相关实体

相关话题