无训练持续学习：提示进化做多模态预测
热点事件持续更新
无训练持续学习：提示进化做多模态预测
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Laurent Mombaerts 等作者提交论文，提出用一段由结果驱动反思进化出的文本引导块，替代重训练，让冻结的 LLM 预测器持续适应新数据分布。 在严格防数据泄漏的多模态基准上，Llama-3.3-70B 携带 900 词进化引导取得 GM MASE 0.776，优于 TabPFN-TS-3 的 0.898；作者称该引导可无损迁移到更新模型，更新成本为美元级而非 GPU-days。上述效果为论文报告结果。
AI 根据报道生成 · 56 分钟前更新
最新进展10月21日 12:00
无需训练的多模态预测持续学习：用提示词进化替代重训练报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AI无需训练的多模态预测持续学习：用提示词进化替代重训练
研究者提出用一段由结果驱动反思进化出的文本引导块，替代重训练来让冻结的 LLM 预测器持续适应新数据分布。在严格防数据泄漏的多模态基准上，Llama-3.3-70B 携带 900 词进化引导取得 GM MASE 0.776，优于 TabPFN-TS-3 的 0.898，且可无损迁移到更新模型，更新成本为美元级而非 GPU-days。
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。