本研究提出了Speech-FT策略，通过模型合并解决微调语音表示模型时的泛化能力下降问题，提供了一种高效的解决方案。

本研究提出结构稀疏微调(S$^{2}$FT)方法，解决了现有PEFT在LLM微调中高质量、效率和可扩展性之间的矛盾。S$^{2}$FT在多领域泛化能力上优于传统方法，训练内存节省3倍，延迟改善1.5-2.7倍。

本研究提出了一种名为PAD-FT的轻量级防御机制，旨在应对深度神经网络的后门攻击。该方法通过数据净化选择干净数据，避免依赖额外的数据集，仅微调模型的最后分类层，展现出在多种攻击方法和数据集上的优越效果。

FT K-Means 是一种高性能的 GPU 加速 K-Means 算法实现，具备在线容错能力，并且在计算代价方面有效解决了距离计算的低效问题。

这篇论文介绍了一种大规模的高速公路交通数据集，用于异常检测，利用深度学习模型可以提高事故报告准确性和减少延迟。

介绍了FT-TabPFN增强版本，用于表格分类，通过特征标记化层处理分类特征，通过微调下游任务提高模型功能和准确性，适用于小型数据集，无需额外训练。

本文探讨了基础模型（如CLIP）在有限训练数据和分布转变下的小样本学习应用。提出了WiSE-FT和ViSFT等方法，通过微调和视觉联合学习提升模型的鲁棒性和准确性。研究表明，这些方法在多个基准数据集上表现优异，强调了改进零样本多模态模型鲁棒性的重要性。

I had the honor to be invited to the FT Charity Gala Dinner named the Art of Livingat Shanghai Science and Technology Museum. It gives me the feeling that Shanghai is definitely under the spot...