PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.31587v1cs.SD

ZEBRA: Zero-Shot Entropy-Regularized Prompt Learning for Base-to-Novel Generalization in Audio-Language Models

오디오-언어 모델(ALM)의 프롬프트 학습이 베이스 클래스 정확도를 높이는 대신 노벨 클래스 성능을 저하시키는 일반화 격차 문제를 해결하기 위해, ZEBRA는 제로샷 로짓 퓨전과 자기 엔트로피 정규화(self-entropy regularization)를 결합한 플러그앤플레이 프레임워크를 제안한다. 추가 학습 파라미터 없이 기존 프롬프트 학습 방법 위에 적용 가능하며, 다수의 오디오 분류 데이터셋 실험에서 베이스 클래스 성능을 유지하면서 노벨 클래스 성능을 일관되게 향상시켜 베이스-투-노벨 격차를 크게 줄였다.