![arxiv：2501.07769v1 [cs.lg] 2025年1月14日](/simg/2/27caac521555f28e8d68c7195ac7286b0f5dcb90.webp)
机构名称：
¥ 1.0
视觉语言模型（VLM）具有重大的概括能力，并且对VLM的迅速学习引起了人们的极大关注，因为它能够使预先训练的VLM适应既定的下游任务。但是，现有的研究主要集中于单模式提示或单向模态互动，从而忽略了视觉和语言方式之间的相互作用所带来的强大对齐效应。为此，我们提出了一种新颖的及时学习方法，称为B i方向i nteraction p rompt（BMIP），该方法通过学习注意力层的信息，增强了与简单的Inforormation聚合方法相比，通过学习注意力层的信息，增强了训练层的信息，增强了运动层的信息，增强了训练层的信息，增强了双向信息。为了评估迅速学习方法的有效性，我们提出了一个更现实的评估范式，称为开放世界概括，补充了广泛采用的跨数据库转移和域通用任务。在各种数据集上进行的综合实验表明，BMIP不仅比所有三种评估范式的当前最新方法都胜过当前的最新方法，而且还足够灵活，可以与其他基于及时的及时性能增强的方法结合使用。
arxiv：2501.07769v1 [cs.lg] 2025年1月14日
主要关键词
![arxiv：2501.07769v1 [cs.lg] 2025年1月14日PDF文件第1页](/bimg/1/1ae27df7e1a552cb808452fad488cdfc591e6aed.webp)
![arxiv：2501.07769v1 [cs.lg] 2025年1月14日PDF文件第2页](/bimg/9/924a58beb4a91b258ed49e3d1bdd56991d877dfa.webp)
![arxiv：2501.07769v1 [cs.lg] 2025年1月14日PDF文件第3页](/bimg/f/f3330d416161017db4f1f89f5b35f5c53250f0ee.webp)
![arxiv：2501.07769v1 [cs.lg] 2025年1月14日PDF文件第4页](/bimg/3/32a9eafc039a6d84d975d7526a7f96609ac247ae.webp)
![arxiv：2501.07769v1 [cs.lg] 2025年1月14日PDF文件第5页](/bimg/b/b2c811e324501fac952cb3339c7f7254432aeb3a.webp)
相关文件推荐
![arxiv：2501.07994v1 [cs.cv] 2025年1月14日](/simg/c/cf0bc4d3de0f3d3629290402e430b2d6c96cb963.webp)
![arxiv：2501.07985v1 [cs.ro] 2025年1月14日](/simg/c/c3a0101d75e42540c70527ec0a228410e73721c3.webp)
![arxiv：2501.08226v1 [CS.CV] 2025年1月14日](/simg/f/f34f8d534697fef9e881c4cbde170d193b286378.webp)
![arxiv：2501.10885v2 [cs.lg] 2025年1月27日](/simg/4/47e662c8d495fa7b3a088ee6e0074dc9f438925e.webp)
![arxiv：2501.14189v1 [cs.ai] 2025年1月24日](/simg/a/ad0826889a538270a9068b0b5ddda338f5f94e1c.webp)
![arxiv：2501.03902v1 [cs.lg] 2025年1月7日](/simg/d/d3732aa5caf3dad783e76c4e1d220d4fe68edf17.webp)
![arxiv：2501.00861v1 [cs.hc] 2025年1月1日](/simg/c/cd0cb41c2c5d4e0aadbfe14c1536da611e3c101a.webp)
![arxiv：2501.16165v1 [cs.cr] 2025年1月27日](/simg/1/171f982992eecabd89c58411b5c551f1b9e106a4.webp)
![arxiv：2501.16848v1 [cs.lg] 2025年1月28日](/simg/e/e13cc1d46c0a6063406bda81c0bb68952e49eab6.webp)
![arxiv：2501.07447v1 [cs.lg] 2025年1月13日](/simg/b/bd85019652740d4af0b81f6cf8e79131ce64fb19.webp)
![arxiv：2501.16981v1 [cs.cv] 2025年1月28日](/simg/8/8fe8770514ff2f087487c1f519d3aa07c4215e9e.webp)
![arxiv：2501.04966v1 [cs.cv] 2025年1月9日](/simg/d/dea7ad7b96ec0868bc89135a1c4313459741b73c.webp)
![arxiv：2501.10089v1 [cs.cv] 2025年1月17日](/simg/7/741beda39614c3a573d37b99ccd8947f62d2e5fa.webp)
![arxiv：2501.15415v1 [cs.cv] 2025年1月26日](/simg/8/84782461405a7624ab37009ae9f74c6fa1c1bb44.webp)
![arxiv：2501.15369v1 [cs.cv] 2025年1月26日](/simg/4/4ad27d92a40e7e9934a51e62ccda0296dabb88fb.webp)
![arxiv：2501.04352v1 [cs.cv] 2025年1月8日](/simg/2/20b4b7601c5e5a91b018a205c40e7fc43aa3e198.webp)
![arxiv：2501.06907v1 [cs.lg] 2025年1月12日](/simg/5/584bd367ef6a329bbc6fec1335a5fa5c13bb982d.webp)
![arxiv：2501.09380v1 [cs.cr] 2025年1月16日](/simg/5/53ee5f48138db1a74ce31aaf47a7548b04e739c6.webp)
![arxiv：2501.16546v1 [cs.ai] 2025年1月27日](/simg/0/034c54f7346ac860f99cd36ed1d83ff17b75cf2b.webp)
![arxiv：2501.02842v1 [cs.ir] 2025年1月6日](/simg/7/7e6a577afdac3ea40469e656198dccc8bf8a6987.webp)
![arxiv：2501.16346v1 [cs.lg] 2025年1月18日](/simg/1/10c0964b0368b2f7aecdd616acbf1ae8f0dbaacb.webp)
![arxiv：2501.08218v1 [cond-mat.mes-hall] 2025年1月14日](/simg/b/b7eb9a183ccd653d21366ea7117575cfd73c64dc.webp)
![arxiv：2501.10210v1 [Quant-ph] 2025年1月17日](/simg/0/0f4f3f9ea4bf56061ef43ac21010dcf4144ad58d.webp)
![arxiv：2501.05429v2 [Math.ag] 2025年1月10日](/simg/d/df34491e2f2f879ef68bd0bb1fee8e180a5a6518.webp)
![arxiv：2501.12399v1 [cs.ai] 2025年1月8日](/simg/2/29119dd451b6484fb5760a3499e1f3965e60cb15.webp)
![arxiv：2501.13697v1 [eess.sy] 2025年1月23日](/simg/c/cff763d370a1be105b5d57ac6adda3bd49437b5e.webp)
![arxiv：2501.07351v1 [Quant-ph] 2025年1月13日](/simg/f/ff4ea376f165870f29b1d98d9ef633dad3b7a1bd.webp)
![arxiv：2501.18177V1 [CS.IR] 2025年1月30日](/simg/5/59ace2f404b560bd35cc94c0a9dba3121f140715.webp)
![arxiv：2501.07059v1 [hep-ph] 2025年1月13日](/simg/c/c677071b73f8ab5ae91fb38598dd8862aaf4645a.webp)