一种干扰消除的低秩适配方法用于持续学习
社区首页 (3667)
请编写您的帖子内容
社区频道(7)
显示侧栏
卡片版式
全部
运营指南
问题求助
交流讨论
学习打卡
社区活动
活动专区
最新发布
最新回复
标题
阅读量
内容评分
精选

216
评分
1
一种干扰消除的低秩适配方法用于持续学习
论文:Consistent Prompting for Rehearsal-Free Continual Learning 引言 持续学习 (Continual Learning) 是指模型在不断获取新知识的同时,能够保留已有知识,避免灾难性遗忘 (
复制链接 扫一扫
分享

394
评分
回复
通过专家混合适配器提升视觉语言模型的持续学习
论文:Boosting Continual Learning of Vision-Language Models Via Mixture-of-Experts Adapters 随着人工智能领域的发展,大规模视觉语言模型(VLM)在理解开放世界方面取
复制链接 扫一扫
分享

88
评分
回复
个人社区|必读运营指南
https://bbs.csdn.net/topics/606873890
复制链接 扫一扫
分享

96
评分
回复
帮助文档|教你玩转社区管理后台
https://bbs.csdn.net/topics/604167112
复制链接 扫一扫
分享
为您搜索到以下结果:
350
社区成员
5
社区内容
发帖
与我相关
我的任务
持续学习多模态大模型
本社区由西南大学与云从科技联合发起并运营,旨在打造一个开放、前沿、务实的知识共享与交流平台,专注多模态大模型及持续学习关键技术,聚集领域内的开发者、研究人员与爱好者,共同分享资源、推动技术进步与创新。
复制链接 扫一扫
分享确定
社区描述
本社区由西南大学与云从科技联合发起并运营,旨在打造一个开放、前沿、务实的知识共享与交流平台,专注多模态大模型及持续学习关键技术,聚集领域内的开发者、研究人员与爱好者,共同分享资源、推动技术进步与创新。 人工智能神经网络计算机视觉 企业社区
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
暂无公告