研究者提出可认证泛化的少样本迁移学习方法

Fady Rezk 等作者发表论文，提出一种基于 PEFT 参数分布采样的可认证少样本迁移学习方法。其做法是先用上游任务训练 PEFT 参数的扩散模型分布，再通过采样-评估流程在下游数据上选出最可能的 PEFT，把假设空间限制为有限样本集，从而获得更紧的风险证书。 作者称，该方法实例化了泛化界，在低样本场景下给出非平凡的泛化保证；而现有方法在此场景下只能得到空洞的界。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。