Papers with Code 아카이브
parameter-efficient fine-tuning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 3
- 보존된 평가 기록
- 10
Parameter-Efficient Fine-Tuning (PEFT) is a technique used to adapt pre-trained models to new tasks with minimal changes to the model's parameters. This approach is particularly useful in scenarios where computational resources are limited or when it is desirable to maintain the original model's performance on the initial task.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
Spectral Imbalance Causes Forgetting in Low-Rank Continual Adaptation
EPnG: Adaptive Expert Prune-and-Grow for Parameter-Efficient MoE Fine-tuning
ZO-Act: Efficient Zeroth-Order Fine-Tuning via One-Shot Activation-Informed Low-Rank Subspaces
DroneFINE: 드론 이미지를 위한 비전-언어 검출기의 도메인 인식 매개변수 효율적 미세조정
BaRA: 매개변수 효율적 미세조정을 위한 베이지안 적응형 랭크 할당
KnowsTFM: 지식 기반 소규모 테이블형 파운데이션 모델 미세조정
TriageRA-CCF: 의료 LLM의 적응형 랭크 버짓팅을 위한 소스 측 임상 신뢰도 및 커버리지 신호
비전 기초 모델에서 미분 가능 검색을 통한 층별 프롬프트 융합 방식 탐색
포인트 클라우드 비디오를 위한 삼중 효율적 전이학습
비전 트랜스포머의 매개변수 효율적 미세조정을 위한 구조적 초간선 적응
CrossEarth-Gate: 교차 도메인 원격 탐지 의미 분할의 효율적 적응을 위한 피셔 유도 적응형 튜닝 엔진
효율적인 원격 탐사 시각 질의 응답을 위한 통합 프레임워크: 듀얼, 하이브리드 및 인코더-디코더 아키텍처 적용
PLATE: 기하 인식 지속 학습을 위한 가소성 조절형 효율적 어댑터
노이즈 조종: 메모리 효율적인 LLM 미세조정을 위한 무작위 섭동의 효과적인 하강 방향 전환
모델 투영을 통한 피드포워드 및 컨볼루션 네트워크 간의 상속
TALAN: 대규모 언어 모델의 타겟 사후 학습을 위한 태스크 정렬 잠재 적응 네트워크
Efficient Adaptation of Pre-trained Vision Transformer underpinned by Approximately Orthogonal Fine-Tuning Strategy
LoSiA: Efficient High-Rank Fine-Tuning via Subnet Localization and Optimization
Optimising Language Models for Downstream Tasks: A Post-Training Perspective
Progtuning: Progressive Fine-tuning Framework for Transformer-based Language Models
WordCon: Word-level Typography Control in Scene Text Rendering
Detecting Referring Expressions in Visually Grounded Dialogue with Autoregressive Language Models
Exploring Adapter Design Tradeoffs for Low Resource Music Generation
ARD-LoRA: Dynamic Rank Allocation for Parameter-Efficient Fine-Tuning of Foundation Models with Heterogeneous Adaptation Needs
Memba: Membrane-driven Parameter-Efficient Fine-Tuning for Mamba
Sharp Generalization Bounds for Foundation Models with Asymmetric Randomized Low-Rank Adapters
GuiLoMo: Allocating Expert Number and Rank for LoRA-MoE via Bilevel Optimization with GuidedSelection Vectors
Prefix-Tuning+: Modernizing Prefix-Tuning by Decoupling the Prefix from Attention
Text to Image for Multi-Label Image Recognition with Joint Prompt-Adapter Learning
FedVLMBench: Benchmarking Federated Fine-Tuning of Vision-Language Models
FLoRIST: Singular Value Thresholding for Efficient and Accurate Federated Fine-Tuning of Large Language Models
AR-RAG: Autoregressive Retrieval Augmentation for Image Generation
Mitigating Catastrophic Forgetting with Adaptive Transformer Block Expansion in Federated Fine-Tuning
Dynamic Mixture of Progressive Parameter-Efficient Expert Library for Lifelong Robot Learning
InstantFT: An FPGA-Based Runtime Subsecond Fine-tuning of CNN Models
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.