实体 M-PFT

M-PFT

PulseAugur coverage of M-PFT — every cluster mentioning M-PFT across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_331621 · Oct 29 · 11:39

M-PFT 方法提高了视觉-语言模型的校准性能

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。