本文探讨了视觉变换器（ViTs）在子群体转变时的预测错误，并提出了一种基于超网络的定位-编辑方法，以提升ViTs在对象识别任务中的性能。
本文探讨了视觉变换器（ViTs）在子群体转变时的预测错误。
研究填补了计算机视觉领域编辑模型的空白。
提出了一种基于超网络的定位-编辑方法。
该方法能够有效识别和调整模型参数。
提升了ViTs在对象识别任务中的表现。
实现了可调的泛化与局部性权衡。
完成下面两步后，将自动完成登录并继续当前操作。
