研究人员推出 GFMate，一种旨在增强图基础模型 (GFM) 的新型测试时提示调优方法。与先前将源域信息嵌入提示的方法不同，GFMate 在目标域预训练后应用质心和层提示，从而避免与特定源域和 GFM 预训练策略纠缠。该方法还包含一个互补学习目标，以在测试时调优期间利用标记和未标记的目标域数据。在 12 个基准数据集上的实验表明 GFMate 的有效性，性能提升高达 30.63%。 AI
影响 GFMate 的测试时提示调优方法可以提高图基础模型在不同数据集上的适应性和性能。
排序理由 这是一篇详细介绍改进现有模型新方法的论文。[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 →
