AutoFT:通过 OOD 数据优化超参数进行稳健微调
原文中文,约400字,阅读约需1分钟。发表于: 。AutoFT 是一种基于数据驱动的方法,用于指导基础模型的微调,以优化性能和改善泛化能力。实验证明 AutoFT 在多个分布转移任务上表现出色,显著提高了对新的异常数据的泛化能力,并在 WILDS-iWildCam 和 WILDS-FMoW 基准测试上取得了新的最佳结果。
该论文揭示了Robust Fine-Tuning方法的问题,并提出了通过低秩支路分解为两个独立部分来优化自然目标和对抗目标的解决方案。实证评估表明该方法在各种下游任务中取得了最优结果,具有实用性。