TOFA：用于视觉-语言模型的无训练单次联邦自适应

本文介绍了TOFA，这是一种在联邦学习环境中自适应视觉-语言模型的新方法。关键创新在于自适应的无训练和单次性质，这可以显著提高效率并降低通信成本。对联邦学习的关注表明了对隐私和分布式数据的关注。“单次”的使用意味着对数据效率的高度重视。

• •TOFA 是一种用于自适应视觉-语言模型的无训练方法。
• •它在单次联邦学习环境中运行。
• •该方法旨在提高效率并降低通信成本。
• •通过联邦学习关注隐私和分布式数据。