生成与视觉语言模型的均匀收敛界限

Research Paper#Machine Learning, Generative Models, Vision-Language Models, Generalization, Calibration🔬 Research|分析: 2026年1月3日 19:13
发布: 2025年12月28日 23:16
1分で読める
ArXiv

分析

本文探讨了生成模型和视觉语言模型(VLM)的均匀泛化问题,尤其是在生物医学等高风险应用中。它超越了平均性能,侧重于确保在所有输入、类别和子群体中都能获得可靠的预测,这对于识别可能出现较大错误的罕见情况或特定群体至关重要。本文侧重于有限样本分析和低维结构,为理解这些模型何时以及为何能够良好泛化提供了一个有价值的框架,并提供了关于数据需求和平均校准指标局限性的实用见解。
引用 / 来源
查看原文
"The paper gives finite-sample uniform convergence bounds for accuracy and calibration functionals of VLM-induced classifiers under Lipschitz stability with respect to prompt embeddings."
A
ArXiv2025年12月28日 23:16
* 根据版权法第32条进行合法引用。