training-free methods | BriefGPT

关键词training-free methods

搜索结果 - 7

ACL评估利用 LLMs 进行文本生成中属性强度的平滑控制
大语言模型（LLM）的平滑控制在文本生成中具有重要意义，本论文提出了评估生成文本属性强度范围、校准度和一致性以及其与预期语境的相关性的度量指标，通过引入 Elo 评级系统和 GPT4 的评估方法来量化属性强度和上下文相关性，并研究了两种无需
PDFa month ago
改进的无需训练的条件扩散模型的费舍尔信息
我们提出了一种利用费舍尔信息引导的扩散模型 (FIGD)，通过引入费舍尔信息来估计梯度，以减少计算成本，并确保 FIGD 的泛化性，为基于信息论的无训练方法提供新的训练思路。实验结果表明，FIGD 能够更快地实现不同条件图像的生成而保持高质
PDF2 months ago
训练无关的类别不可知计数的简单而有效的基线
不需要训练的前提下，本研究提出了一种直接的解决方案，通过利用预先存在的基础模型进行实例级分割，通过四项关键技术的结合，实现了性能的显著提升，与基于训练的方法相媲美。
PDF4 months ago
优化参数和神经元修剪用于外样本检测
我们提出了一种名为 OPNP 的优化参数和神经元修剪方法，用于无需训练的离群样本检测，通过评估模型的参数和神经元敏感度，并移除导致过拟合的参数和神经元，从而实现了对未知样本的检测，并在多个离群样本检测任务和模型结构上取得了显著的性能优势。
PDF5 months ago
AAAIAuto-Prox: 通过自动代理发现的无需训练的视觉 Transformer 架构搜索
通过自动代理发现框架 Auto-Prox，我们介绍了一种训练免费的方法来进行 Vision Transformer（ViT）的体系结构搜索。广泛的实验表明，我们的方法在不同数据集上都具有很好的泛化能力，并在排名相关性和最终准确性方面取得了最
PDF7 months ago
FreeControl：无需训练的任意文本到图像扩散模型的空间控制与任意条件
FreeControl 是一种无需训练的可控文本生成方法，支持多种条件、架构和检查点，并在定性和定量实验中展现了卓越性能。
PDF7 months ago
网络解耦：从常规到深度可分离卷积
该论文提出了一种称为网络解耦（ND）的训练方法，可以将已有的卷积神经网络模型转换到 MobileNet 等深度可分离卷积结构中，进而加速 CNN，减少严重的准确度下降。通过实验，作者证明了 ND 与其他训练 - free 方法正交，可以更大
PDF6 years ago