BriefGPT - AI 论文速递 · 2025-02-10T00:00:00Z KARST: Multi-Kernel Kronecker Adaptation with Re-Scaling Transmission for Visual Classification 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种多核克罗内克适应方法（KARST），旨在提升传统视觉模型微调的参数效率和特征对齐能力。KARST通过扩展克罗内克投影和分离适应矩阵，增强了特征选择的灵活性。实验结果表明，在推理成本可忽略的情况下，KARST优于其他微调方法。 🏷️ 标签 kernel 参数效率 多核克罗内克适应 特征对齐 特征选择 视觉模型微调 阅读原文 生成长图 分享链接 已复制链接
