“prompt tuning” için sonuçlar
2 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Ses-dil modellerinde genelleme sorunu çözüldü: SEPT yöntemi geliştirildi
Araştırmacılar, ses-dil modellerinde prompt tuning yönteminin genelleme kabiliyetini artıran yeni bir framework geliştirdi. Semantically Expanded Prompt Tuning (SEPT) adlı bu yöntem, modellerin yeni ses kategorilerini tanımadaki Base-New Tradeoff sorununu çözüyor. SEPT, büyük dil modellerinin ürettiği semantik komşuları kullanarak prompt embedding uzayını düzenler ve sınıf içi sıkılık ile sınıflar arası ayrılabilirliği artırır. Bu breakthrough, ses tanıma sistemlerinin daha esnek ve genel amaçlı hale gelmesini sağlayarak, müzik analizi, konuşma tanıma ve çevresel ses sınıflandırma gibi alanlarda önemli ilerlemeler vaat ediyor.
3D Görme-Dil Modelleri İçin Yeni Prompt Ayarlama Yöntemi Geliştirildi
Araştırmacılar, 3D nokta bulutlarını anlayan yapay zeka modelleri için yeni bir eğitim yöntemi geliştirdi. P³T adlı bu yöntem, büyük 3D görme-dil modellerini farklı görevlere uyarlarken hem hesaplama maliyetini düşürüyor hem de genelleme kabiliyetini artırıyor. Geleneksel yöntemler tüm modeli yeniden eğitmek zorunda kalırken, P³T sadece küçük prompt bileşenlerini ayarlayarak aynı başarıyı elde ediyor. Bu yaklaşım, 3D nesne tanıma, sahne anlama ve robotik uygulamalarda önemli avantajlar sunuyor. Özellikle overfitting sorununu çözerek modellerin yeni veriler üzerindeki performansını iyileştiriyor.