ИССЛЕДОВАНИЕ · RESEARCH · #2313
LSA-PAST: экономичные адаптеры с переносом прототипов для композиционного инкрементального обучения
Статья (arXiv:2610.27203v1) предлагает LSA-PAST — метод, который встраивает LoRA-подобные адаптеры, специализированные по глубине, в замороженный ViT для состояний, объектов и композиций, и применяет безрепетиционный афинный преобразователь (PAST) для переноса прошлых прототипов в текущее пространство адаптеров, обеспечивая совместимость старых прототипов при появлении новых композиций; в экспериментах показан лучший компромисс между точностью и забыванием.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Статья (arXiv:2610.27203v1) предлагает LSA-PAST — метод, который встраивает LoRA-подобные адаптеры, специализированные по глубине, в замороженный ViT для состояний, объектов и композиций, и применяет безрепетиционный афинный преобразователь (PAST) для переноса прошлых прототипов в текущее пространство адаптеров, обеспечивая совместимость старых прототипов при появлении новых композиций; в экспериментах показан лучший компромисс между точностью и забыванием.
- Метод борется со сдвигом представлений в композиционном инкрементальном обучении, стабилизируя примитивы (состояния/объекты) и позволяя сохранять ранние композиции без репетиции.
- LSA-PAST: Layer-Specific Adaptation and Prototype Transport for Compositional Incremental Learning
ПОЧЕМУ ЭТО ВАЖНО
Метод борется со сдвигом представлений в композиционном инкрементальном обучении, стабилизируя примитивы (состояния/объекты) и позволяя сохранять ранние композиции без репетиции.