GRAFT论文发布:实现VLM实时测试时适应
热点事件持续更新
GRAFT论文发布:实现VLM实时测试时适应
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
2026年11月19日,arXiv平台发布新论文,由Maxx Richard Rahman和Wolfgang Maass提出名为GRAFT(Graph-Regularized Anchor-displacement Field Transduction)的方法。 该方法旨在解决视觉语言模型(VLMs)的测试时自适应问题。GRAFT通过图正则化原型场,将适应后的原型建模为文本锚点加位移场,并利用高斯马尔可夫随机场先验在语义类图上进行部分池化。 在技术实现上,该方法在缓存特征上实现无梯度、闭式推理,提升了推理效率。实验表明,在11个基准及4个ImageNet偏移场景下,GRAFT在所有设置中均优于零样本模型,且在类别较少时也优于基于锚点的转导方法。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
GRAFT 利用图正则化原型场实现 VLM 的实时测试时适应报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLGRAFT 利用图正则化原型场实现 VLM 的实时测试时适应
GRAFT 方法通过图正则化原型场,在 11 个基准及 4 个 ImageNet 偏移场景下,提升了零样本模型的适应性能。 该方法使用高斯马尔可夫随机场先验和类存在模型,在缓存特征上实现无梯度、闭式推理。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月20日
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。