model reuse | BriefGPT - AI 论文速递

关键词model reuse

搜索结果 - 9

通过复用经验证的电路增强对语言模型的信任
使用数学和逻辑规范的框架构建的变压器模型经过全面验证，证明了通过插入已验证的任务模块可以提高使用语言模型的可验证性和可信度，减少复杂复合模型的验证工作量，并为语言模型的安全性迈出重要一步。
PDF5 months ago
COOL：一种约束面向对象逻辑编程语言及其神经符号编译系统
该论文研究了神经网络与逻辑编程的整合，解决了将神经网络的泛化和学习能力与符号逻辑的精确性相结合的难题。为了克服这些问题，引入了一种名为 COOL（Constraint Object-Oriented Logic）编程语言的创新方法，将逻辑推
PDF8 months ago
迭代生成过程的组合塑造
我们提出了一种名为 Compositional Sculpting 的方法，用于定义迭代生成过程的组合，通过分类器指导实现了采样，展示了在 GFlowNets 和扩散模型中实现组成塑造的方法，并提供了在图像和分子生成任务上的实证结果。
PDF9 months ago
智建：用于预训练模型复用的统一且快速可部署的工具箱
该研究报告介绍了一种综合且易于使用的模型重用工具箱 ZhiJian，利用 PyTorch 后端，旨在帮助深度学习实践者探索下游任务并识别不同方法之间的互补优势，从而实现预训练模型的无缝利用，简化研究人员和开发人员的模型重用过程。
PDFa year ago
尝试模块化训练：一种新的模块化 DNN 模型的范式
该论文提出了一种将模块化融入模型训练过程中来优化训练并使模型具有可重用性的方法，并在卷积神经网络模型上对其进行了评估。
PDFa year ago
IJCAI通过密度估计改进异构模型重用
本文探讨了多方学习，旨在利用不同参与者的私有数据学习模型。作者提出通过估计本地数据密度并设计辅助模型来重复使用本地分类器，以解决不同参与方之间的潜在样本选择偏差问题。作者还提出了多方交叉熵损失，以解决一些本地模型训练不足的情况。实验结果表明
PDFa year ago
通过模型再造重复使用深度神经网络模型
SeaM 是一种改进现有 DNN 模型可重用性的工具，它使用基于梯度的搜索方法搜索模型的相关权重，从而重建模型以仅保留与目标问题相关的权重，并且相较于原始模型，在分类准确性上提高了 5.85％，并且重复使用重建模型时缺陷继承平均减少了 57
PDFa year ago
深度模型重组
该研究提出了一种深度模型重新组装（DeRy）技术，通过将预训练模型划分为等价集合并重新组合网络模块以满足硬件和性能限制，实现了通用模型的重复使用，并在 ImageNet 数据集上取得了令人满意的性能表现。
PDF2 years ago
通过模型重用处理概念漂移
研究了如何通过模型重用应对数据流中的概念漂移问题，为每个模型赋予权重，并根据模型性能自适应调整权重，在合成和真实数据集上进行实验验证方法的优越性。
PDF6 years ago