提出多模态不确定性估计方法CoCo-LoRA
热点事件持续更新
提出多模态不确定性估计方法CoCo-LoRA
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 等研究者发布论文，提出 CoCo-LoRA，一种面向伴随音频上下文的文本预测任务的多模态不确定性感知参数高效微调（PEFT）方法。该方法在低秩空间中将上下文变分后验同时条件于文本适配器特征和音频上下文信号，把随机性限制在紧凑的潜在分量中，生成对音频敏感的不确定性估计。 论文称，在多任务和多种 backbone 组合的评估中，CoCo-LoRA 始终持平或优于纯文本 PEFT 和常规特征融合迁移基线。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
CoCo-LoRA：面向多模态不确定性估计的上下文贝叶斯 PEFT 方法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AICoCo-LoRA：面向多模态不确定性估计的上下文贝叶斯 PEFT 方法
研究者提出 CoCo-LoRA，一种面向伴随音频上下文的文本预测任务的多模态不确定性感知参数高效微调（PEFT）方法。它在低秩空间中将上下文变分后验同时条件于文本适配器特征和音频上下文信号，把随机性限制在紧凑的潜在分量中，生成对音频敏感的不确定性估计。在多任务和多种 backbone 组合的评估中，CoCo-LoRA 始终持平或优于纯文本 PEFT 和常规特征融合迁移基线。
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。