关键词task-relevant information
搜索结果 - 4
- 因式对比学习:超越多视角冗余
本文提出了 FactorCL,一种新的多模态表示学习方法,旨在捕获有助于下游任务的共享信息和独特信息,该方法通过将任务相关信息分解为共享和独特表示,并通过最大化 MI 下限来捕获任务相关信息以及通过最小化 MI 上限来消除任务不相关的信息, - 信息论软提示调整用于自然语言理解
该研究提出了一种信息理论框架,用于将软提示调整作为最大化提示和其他模型参数(或编码表示)之间的互信息的方法,从而发展了一种更为高效、准确和稳健的软提示调整方法 InfoPrompt。
- ICML元强化学习的探索与利用解耦,无需牺牲
本文提出一种基于策略梯度优化的元强化学习方法,该方法不但可以在学习新任务时快速利用之前相关任务的经验,还能自动识别任务相关信息来避免局部最优解。实验结果表明,该方法可以有效解决如稀疏奖励 3D 视觉导航等复杂问题。
- 多视角自监督学习
本文提供了一种信息理论框架,从多个视角探究自监督学习的特性,并介绍了可以丢弃任务无关信息的任务相关自适应目标函数,为自监督学习的目标设计提供了更加广阔的空间。