arXiv 论文提出多模态贝叶斯低秩适配框架 SPECTRA
热点事件持续更新
arXiv 论文提出多模态贝叶斯低秩适配框架 SPECTRA
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Habibeh Naderi 等在 arXiv 发表论文，提出 SPECTRA，一个用于音频-文本学习的多模态贝叶斯低秩适配框架，面向低资源场景下的不确定性估计。该框架冻结文本与音频骨干网络，将随机性限制在每个 LoRA 适配器内的 rank-r 潜变量矩阵中，并通过 token 级交叉注意力让音频调制适配与置信度。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
SPECTRA：面向多模态不确定性估计的交叉注意力贝叶斯低秩适配报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AISPECTRA：面向多模态不确定性估计的交叉注意力贝叶斯低秩适配
arXiv 论文提出 SPECTRA，一个用于音频-文本学习的多模态贝叶斯低秩适配框架，冻结文本与音频骨干网络，将随机性限制在每个 LoRA 适配器内的 rank-r 潜变量矩阵中，并通过 token 级交叉注意力让音频调制适配与置信度。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。