
Kontinuierliche Testzeit-Anpassung (CTTA) zielt darauf ab, ein vortrainiertes Modell an sich ständig ändernde Zielverteilungen anzupassen, um die Dynamik der realen Welt zu bewältigen. Wir führen eine neuartige kontinuierliche selbstüberwachte Methode, die Adaptiven Verteilungsbasierten Maskierten Autoencoder (ADMA), ein, um die Extraktion von Zieldomänenwissen zu verbessern und die Akkumulation von Verteilungsverschiebungen zu verringern.


coremsg

kontinuierliche-anpassung-an-sich-ändernde-testumgebungen-durch-adaptive-verteilungsbasierte-maskierte-autoencoder


Kontinuierliche Anpassung an sich ändernde Testumgebungen durch adaptive verteilungsbasierte maskierte Autoencoder


title_rewrite


Branch-Tuning ist eine effiziente und einfache Methode, die ein Gleichgewicht zwischen Stabilität und Plastizität beim kontinuierlichen selbstüberwachten Lernen erreicht, ohne alte Daten oder Modelle speichern zu müssen.


kontinuierliches-selbstüberwachtes-lernen-ausgewogene-stabilität-und-plastizität-durch-branch-tuning


Kontinuierliches selbstüberwachtes Lernen: Ausgewogene Stabilität und Plastizität durch Branch-Tuning
