热点事件观察中

Forecast-PEFT：运动预测预训练模型的参数高效微调框架

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Jifeng Wang 等作者在 arXiv 发布 Forecast-PEFT 论文，提出面向预训练运动预测模型的参数高效微调框架：保留大部分预训练参数，仅引入 prompts 和 adapters 进行下游任务微调。作者称该方法在多个数据集上以传统全量微调约 17% 的可训练参数取得更高准确率。论文还提出全量微调变体 Forecast-FT，作者称其相较传统基线方法最高提升 9.6%。代码地址为 https://github.com/csjfwang/Forecast-PEFT。以上数字均基于论文摘要，属作者声称的结果。

AI 根据报道生成 · 11 小时前更新

最新进展10月20日 12:00

Forecast-PEFT：面向预训练运动预测模型的参数高效微调框架

报道时间线

沿着报道，了解事件的不同侧面。

10月20日

12:00
arXiv · cs.AI
Forecast-PEFT：面向预训练运动预测模型的参数高效微调框架
基于论文摘要，作者提出Forecast-PEFT，通过保留大部分预训练模型参数并引入prompts和adapters，减少运动预测下游任务的微调成本。该方法在多个数据集上以传统全量微调约17%的可训练参数取得更高准确率；其全量微调变体Forecast-FT相较传统基线最高提升9.6%，代码地址为https://github.com/csjfwang/Forecast-PEFT。

本事件热度走势

可比范围当前: 5
可比范围峰值: 610月21日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。