
엔트로피 기반 테스트 시간 적응 기법을 클러스터링 관점에서 해석하고, 이를 바탕으로 초기 할당, 근접 이웃 정보, 이상치, 배치 크기 문제를 해결하는 개선 방안을 제안한다.


coremsg

실험-데이터와-모델-간-도메인-차이를-극복하기-위한-엔트로피-기반-테스트-시간-적응-기법-개선


실험 데이터와 모델 간 도메인 차이를 극복하기 위한 엔트로피 기반 테스트 시간 적응 기법 개선



FLORA는 개별 입력 예제에 대한 고유한 저차원 적응 가중치를 허용하여 다양한 요구를 효율적으로 처리할 수 있는 프레임워크를 제공한다.



저비용 랭크 적응을 통한 기반 모델의 효율적 처리



소량의 타겟 데이터만 있는 상황에서도 효과적으로 모델을 타겟 분포에 적응시킬 수 있는 방법인 MixPro를 제안한다. MixPro는 소스 데이터와 타겟 데이터의 임베딩을 혼합하여 선형 분류기를 학습함으로써, 타겟 데이터의 특성을 효과적으로 학습할 수 있다.



데이터 분포 변화에 대한 소량의 데이터로 효과적으로 적응하는 방법: 소스와 타겟 임베딩의 혼합
