PrefixCP

新的PrefixCP方法在标签注册表增长的情况下保留了视觉语言模型的决策

一篇新的研究论文介绍了一种名为PrefixCP的方法，旨在解决视觉语言模型（VLM）中的“流失”问题。随着VLM使用新的标签进行更新，即使核心模型和校准数据保持不变，它们对现有标签的决策也会悄无声息地改变。PrefixCP通过为每个类别维护标签注册表的历史记录来保留一致性决策，防止对过去决策的更改，并确保精确的类别条件覆盖率。与改变旧决策的重新校准方法相比，这种方法恢复了相当一部分集合大小的差距。