Core Concepts
AUTOFT verbessert die Generalisierung auf Out-of-Distribution-Eingaben und übertrifft bestehende robuste Feintuning-Methoden.
Abstract
Foundation-Modelle können durch Feintuning an Aufgabendaten angepasst werden.
AUTOFT sucht nach einer Feintuning-Prozedur, die die Leistung auf einer kleinen OOD-Validierungsgruppe maximiert.
AUTOFT verbessert die Generalisierung auf OOD-Eingaben und übertrifft bestehende Methoden.
AUTOFT erreicht einen neuen State-of-the-Art auf den WILDS iWildCam und FMoW Benchmarks.
AUTOFT lernt ein Feintuning-Ziel und Hyperparameter, um robuste Modelle zu produzieren.
Stats
AUTOFT verbessert die Generalisierung auf OOD-Eingaben.
AUTOFT übertrifft bestehende robuste Feintuning-Methoden.
AUTOFT erreicht einen neuen State-of-the-Art auf den WILDS iWildCam und FMoW Benchmarks.
Quotes
"Wir schlagen AUTOFT vor, einen datengesteuerten Ansatz für robustes Feintuning."
"AUTOFT verbessert die Generalisierung auf OOD-Eingaben und übertrifft bestehende robuste Feintuning-Methoden."