负向提示引导的优化:提升视觉-语言模型中软提示的泛化能力

《Neural Networks》:Negative Prompt-Guided Optimization: Enhancing Soft Prompt Generalization in Vision-Language Models

【字体: 大 中 小 】 时间:2026年05月13日 来源:Neural Networks 6.3

编辑推荐:

  Suneung Kim | Seong-Whan Lee•我们研究了现有软提示方法在视觉与语言模型(V&L)训练中的局限性,并基于这些发现提出了一种新方法——负向提示引导优化(Negative Prompt-Guided Optimization,简称NPGO)。•所提出的N-T

  
Suneung Kim | Seong-Whan Lee
  • •
    我们研究了现有软提示方法在视觉与语言模型(V&L)训练中的局限性,并基于这些发现提出了一种新方法——负向提示引导优化(Negative Prompt-Guided Optimization,简称NPGO)。
  • •
    所提出的N-TA和N-PD损失机制增强了模型捕捉内在语义信息的能力,同时解决了过拟合问题,从而实现了更准确、更均衡的预测结果。
  • •
    在11个数据集上的广泛实验表明,该方法相较于现有方法具有更好的泛化能力和鲁棒性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号