SafeCut

新SafeCut方法通过互纠正增强AI模型自适应

研究人员推出了一种名为SafeCut的新方法，旨在通过实现不同模型之间的互纠正来改进无源域自适应（SFDA）。SFDA通常在无法访问原始训练数据的情况下将模型适应新数据，但可能遭受确认偏差。SafeCut利用视觉语言模型作为外部知识源，但它采用双向纠正过程，而非单向方法。该方法采用“剪切统计量”来衡量每个模型预测的可靠性，从而实现动态和选择性监督，放大正确的调整，同时减轻错误传播。