研究人员开发了一种名为GUARD(Gated Utility-Aware Recalibration for Deployment)的方法,用于在某些输入模态缺失时提高冻结多模态模型的性能。GUARD利用部署匹配的标记数据来估计校正,以确定何时校正是有益的,然后使用保形风险控制来校准阈值。这种方法确保了无论学习到的分数如何,校正使损失超过设定容忍度的概率都可以被界定,并且在各种模型-数据集对中,在损害预算内保留了显著的校正增益。 AI
影响 这项研究为在数据可能不完整的现实部署场景中增强多模态人工智能模型的鲁棒性提供了一种新颖的方法。
排序理由 该集群包含一篇详细介绍改进AI模型新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →