跳到正文
热点事件持续更新

GUARD 实现冻结多模态模型缺失模态下的风险受控校正

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

GUARD 方法旨在解决冻结多模态模型在遭遇缺失模态时的校正难题。该方法的核心策略是保持已部署预测器的权重不变,不执行再训练,从而适应实际部署中无法更改模型参数的限制。 在技术实现上,GUARD 基于可交换性假设,通过检索方式估计所需的校正量。同时,它利用部署阶段的匹配标签数据进行学习,从而在不触动底层权重的前提下优化模型表现。 为控制风险,GUARD 引入保形风险控制机制,将损失增加超过预设容差概率严格限制在设定水平。这一机制有效避免了盲目校正常见的危害预算超支问题,在保留校正收益的同时确保了安全性。 在 9 个冻结模型与数据集对进行的实验中,GUARD 的表现优于盲目的校正方法。该方法成功证明了其在保留大部分校正收益方面的有效性,为无法再训练权重的实际场景提供了可行的解决方案。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    GUARD 为冻结多模态模型在缺失模态下的风险受控校正

    提出 GUARD 方法,在不改变已部署预测器权重的前提下,通过检索估计校正量并利用部署匹配标签数据学习,解决冻结多模态模型遭遇缺失模态时的校正问题。 基于可交换性假设,GUARD 利用保形风险控制将损失增加超过预设容差概率限制在预设水平,在 9 个冻结模型-数据集对实验中优于盲目校正。 该方法避免了盲目校正常超支的危害预算,保留了大部分校正收益,适用于无法再训练权重的实际部署场景。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。