跳到正文
arXiv · 机器人与计算机视觉· Mohamed Abdallah Salem·· 3 天前AI 评分23

YOLO26 能否利用大语言模型优化预训练权重?多阶段无梯度编辑实证评估

Can Large Language Models Optimize Pretrained Neural Network Weights? A Multi-Phase Empirical Evaluation of Gradient-Free Editing in YOLO26 Object Detection

AI 导读

研究对 YOLO26 模型进行五阶段实验,对比确定性缩放、随机扰动及混合 LLM-CMA-ES 等策略在 MS COCO 数据集上的表现。结果显示增加 CMA-ES 预算虽提升开发增益至 +0.28 个百分点,但混合 LLM 方法未展现统计显著优势(p=0.612),且无法实现跨子集的持续迁移或可测量的模型增益。

来源:arXiv · 机器人与计算机视觉 · arxiv.org