← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

11 第11章 视觉语言模型

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.851Z

和图像模型之间的差距。通过对比训练文本模型来计算与预训练图像编码器完全对齐的表征,这一方法可以显著提高分类任务的准确性。

为了使LiT有效发挥作用,图像编码器的“锁定”至关重要,这意味着它在训练过程中不应被更新。虽然这似乎有悖直觉,因为训练中的其他信息通常会提高性能,但实验结果表明,始终锁定图像编码器会产生更好的结果。

LiT替代了传统的微调阶段——图像编码器分别适配每项新的分类任务。取而代之的是单阶段的LiT,之后模型就能够对任何数据进

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter13.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d