Avinash Goutham Aluguvelly 提出基于权重的 VLM 修复方法并验证其有效性
热点事件持续更新
Avinash Goutham Aluguvelly 提出基于权重的 VLM 修复方法并验证其有效性
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Avinash Goutham Aluguvelly 在 arXiv 发表论文,提出利用无梯度权重空间编程技术,成功恢复了 SmolVLM-256M 和 LFM2-VL-450M 两个视觉语言模型因浮点精度问题产生的缩放行噪声。研究指出,该方法仅凭统计证据提示即可引导修复受损权重并恢复准确率,但无法发现单纯交换行列且未改变存储值分布的故障。作者建议报告权重格式并包含舍入对照组以验证修复效果。
AI 根据报道生成 · 10 小时前更新
最新进展11月19日 13:00
Weight Space Programming 修复 SmolVLM-256M 与 LFM2-VL-450M 模型权重的研究报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉Weight Space Programming 修复 SmolVLM-256M 与 LFM2-VL-450M 模型权重的研究
该研究通过无梯度权重空间编程,利用编码智能体在未告知位置的情况下,成功恢复了 SmolVLM-256M 和 LFM2-VL-450M 中因浮点精度导致的缩放行噪声。实验表明,仅靠统计证据提示即可引导修复受损权重并恢复模型准确率,但无法发现单纯交换行列且未改变存储值分布的故障。研究建议报告权重格式并包含舍入对照组以验证修复效果。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 18:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。