提出Geodesic Unlearning用子空间几何校正提升缺失模态鲁棒性

Songyuan Sui 等论文作者发布 arXiv 论文，指出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，并将这种退化归因于主参数子空间中的跨模态依赖及其结构化旋转。作者提出轻量参数编辑方法 Geodesic Unlearning（GU），沿 Grassmann 流形上的测地路径将主子空间校正至单模态参考。 据作者称，在多架构和多数据集实验中，GU 提升了缺失模态推理性能、保持全模态准确率，并优于强缺失模态鲁棒性基线。以上为论文作者声称的实验结果，尚属论文发表阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。