BriefGPT - AI 论文速递
·
Understanding and Mitigating Calibration Errors in Prompt Tuning of Visual Language Models
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出动态异常正则化（DOR）方法，解决视觉语言模型微调后信心校准不足的问题。DOR通过减少新文本标签的特征偏差，提升基类和新类的信心校准。实验结果表明，DOR显著提高了微调方法的校准性能。
🎯
关键要点
-
本研究提出动态异常正则化（DOR）方法。
-
DOR解决了视觉语言模型微调后信心校准不足的问题。
-
DOR通过减少新文本标签的特征偏差来提升基类和新类的信心校准。
-
实验结果表明，DOR显著提高了微调方法的校准性能。
🏷️
