研究者提出参数高效时序域泛化方法LoTiC
热点事件持续更新
研究者提出参数高效时序域泛化方法LoTiC
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者 Zekun Cai 等人提出一种参数高效的时间域泛化（TDG）方法 LoTiC，将时间更新分解为共享低秩基与紧凑核心，只在 r*r 空间学习时间动态，而不追踪完整适配器。 据该研究称，在 6 个基准、3 种模态、66M 至 8B 参数骨干上，LoTiC 在 15 个设置中 14 项排名第一，可训练参数仅比 LoRA 多 0.13–0.51%，训练速度比参数动态基线快 1.8–7.1 倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
LoTiC：参数高效的时间域泛化方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LGLoTiC：参数高效的时间域泛化方法
研究者提出 LoTiC，一种参数高效的时间域泛化（TDG）方法，将时间更新分解为共享低秩基与紧凑核心，仅在 r*r 空间学习时间动态，而非追踪完整适配器。在 6 个基准、3 种模态、66M 至 8B 参数骨干上，LoTiC 在 15 个设置中 14 项排名第一，仅比 LoRA 多 0.13–0.51% 可训练参数，训练速度比参数动态基线快 1.8–7.1 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。