Nick Roberts

新的Loki方法无需重新训练即可改进预训练模型

研究人员开发了一种名为Loki的新方法，该方法可以自适应地改进预训练的机器学习模型，使其在新类别上无需额外训练即可提高性能。该技术使用Fréchet均值替换标准的预测规则，并利用标签空间内的度量信息。Loki已显示出显著的收益，包括在ImageNet上比SimCLR相对提高29.7%，在CLIP等预训练的零样本模型上提高10.5%（当外部度量不可用时）。