★ 2
LSA-PAST：面向组合式增量学习的层特化适配方法
针对状态与物体组合构成的组合式类增量学习，研究者提出 LSA-PAST：在冻结 ViT 中按状态、物体、组合插入深度特化的 LoRA 适配器，并用原型锚定的仿射变换把旧原型映射到当前适配器空间，实现无回放兼容。实验显示其在准确率—遗忘权衡上达到当前最优。
arXiv cs.AI12 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
针对状态与物体组合构成的组合式类增量学习，研究者提出 LSA-PAST：在冻结 ViT 中按状态、物体、组合插入深度特化的 LoRA 适配器，并用原型锚定的仿射变换把旧原型映射到当前适配器空间，实现无回放兼容。实验显示其在准确率—遗忘权衡上达到当前最优。
论文研究联邦学习中的本地早退 Vision Transformer 推理，用基于标签熵与浅层置信度的客户端专属阈值替代全局阈值，并按预测熵、置信度、top-2 间隔与退出深度逐输入调整。方法在 CIFAR-10 达 88.70% 准确率并节省 32% 深度，ImageNet-1K top-1 达 …