提出参数高效时序域泛化方法LoTiC
热点事件持续更新
提出参数高效时序域泛化方法LoTiC
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Zekun Cai 等在arXiv论文中提出参数高效时间域泛化方法LoTiC（Low-rank Time-varying Core），将时间更新分解为共享低秩基和一个紧凑核心，仅让核心在r*r空间中演化，以降低时序域泛化的参数开销。 论文实验覆盖六个受控与真实基准、三种数据模态、分类与生成任务，骨干规模从66M到8B参数。论文称LoTiC在15个设置中的14个排名第一，包括在Rotating 2-Moons上以8B骨干取得接近完美的未来域准确率；相比LoRA仅增加0.13–0.51%可训练参数，训练速度比参数动态类基线快1.8–7.1倍。 以上为论文摘要中的作者声称结果，尚属论文发表阶段，未见独立复现报道。
AI 根据报道生成 · 3 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.AILoTiC：参数高效的时间域泛化方法
作者提出LoTiC（Low-rank Time-varying Core）参数高效时间域泛化方法，将时间更新分解为共享低秩基和紧凑核心，仅让核心在r*r空间中演化。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
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。