基础模型的参数高效主动学习
原文中文，约400字，阅读约需1分钟。发表于：。通过在活动学习（AL）框架内应用参数高效微调方法对极限预算限制的分类任务中的采样选择过程进行研究，本研究展示了基础视觉转换模型在图像数据集上表现出色的少样本性能，并突出显示了将参数高效微调方法与基础模型相结合的战略优势，从而改进了这些具有挑战性的数据集上的活动学习性能，为优化 AL 策略做出了贡献，并为在专业领域高效和有效地进行数据注释提供了有前景的研究方向。
规模化预训练视觉模型（PVMs）在下游视觉任务中表现出很大的适应性。研究人员正在探索参数高效的微调（PEFT），以超越完全微调的性能。本调查提供了对视觉PEFT的综合概述和未来方向，对最新进展进行了回顾。
