Tag · 4 篇

模型编辑

分布自监督与表征学习2视觉语言模型1鲁棒性与安全1

Understanding and Enforcing Weight Disentanglement in Task Arithmetic

对做视觉模型微调与多任务合并的人，OrthoReg 提供了一个可直接插入微调过程的权重更新正交正则项，用来缓解任务向量相加时的相互干扰，可用于多任务模型合并、个性化编辑与持续微调场景。

SAME: Sparse and Anchored Model Editing for Heterogeneous Incremental Learning under Limited Data

把模型编辑（稀疏参数更新 + 键值知识对）当作持续学习的载体，用双重锚框约束（特征对齐锚 + 参数幅度锚）在少样本、任务边界未知的跨域序列上稳定注入新知识，可直接迁移到视觉语言模型的增量适配与免遗忘微调。

DSCA: Dynamic Subspace Concept Alignment for Lifelong VLM Editing

为视觉语言模型提供了一种基于正交语义子空间分解的持续知识编辑方法，可复用于需要顺序更新多模态知识的场景，避免编辑间的相互干扰。

Attribution-Guided Model Rectification of Unreliable Neural Network Behaviors

用秩一模型编辑加逐层归因定位，在几乎不重训、仅需一张干净样本的条件下修正视觉模型对非鲁棒特征的依赖（如神经木马、虚假相关），为视觉模型的可信部署提供了一种低成本的后处理修复手段。