实证评估LLM免梯度编辑YOLO26权重效果
热点事件持续更新
实证评估LLM免梯度编辑YOLO26权重效果
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Mohamed Abdallah Salem 发布一项多阶段实证研究,以 YOLO26 模型和 MS COCO 数据集检验大语言模型能否优化预训练神经网络权重,比较确定性缩放、随机扰动、差分进化、CMA-ES、LLM 引导及 LLM 与 CMA-ES 混合等方法,并以匹配的随机策略作为对照。 评估设置上,优化阶段使用 Ultralytics 原生 mAP50-95 指标在 1,000 张 COCO Val2017 图像上进行,选出的候选方案再在另一个 1,500 张图像的子集上评估;其中 250 次评估的结果仅使用一个随机种子。在存档的 225 条 LLM 提案中,只有 53 条满足最终严格格式要求,且早期张量级执行无法完全验证。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
大语言模型能否优化预训练神经网络权重?基于 YOLO26 目标检测的无梯度权重编辑多阶段实证评估报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AI大语言模型能否优化预训练神经网络权重?基于 YOLO26 目标检测的无梯度权重编辑多阶段实证评估
一项多阶段实证研究以 YOLO26 模型和 MS COCO 数据集评估了确定性缩放、差分进化、CMA-ES 及 LLM 引导等无梯度权重编辑方法。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
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。