arXiv · cs.AI· Songyuan Sui, Zhen Tan, Mohan Zhang, Rana Muhammad Shahroz Khan, Xia Hu, Tianlong Chen·· 11 小时前
Geodesic Unlearning 用子空间几何校正提升缺失模态鲁棒性
Do More Modalities Always Help? A Geometric Perspective on Missing-Modality Robustness
arXiv:2610.04792v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Songyuan Sui, Zhen Tan, Mohan Zhang, Rana Muhammad Shahroz Khan, Xia Hu, Tianlong Chen
研究任务与主要进展
作者发现，使用完整模态训练的多模态模型在推理时缺失一个模态，可能反而弱于单模态模型；该退化与主参数子空间中的跨模态依赖及其结构化旋转有关。作者提出轻量参数编辑方法Geodesic Unlearning，沿Grassmann流形上的测地路径将主子空间校正至单模态参考，并在多架构和多数据集实验中提升缺失模态性能、保持全模态准确率，称其优于强鲁棒性基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org