찾다
기술 주변기기일체 포함Sun Yat-sen University HCP 연구실의 새로운 혁신: 인과 패러다임을 사용하여 다중 모드 대형 모델 업그레이드

쑨원대학교 인간-기계 지능 융합 연구소(HCP)는 AIGC 및 다중 모드 대형 모델에서 유익한 성과를 거두었으며 최근 AAAI 2023 및 CVPR 2023에서 10개 이상의 논문에 선정되었습니다. 글로벌 연구 기관의 첫 번째 계층입니다.

​작업 중 하나는 인과 모델을 사용하여 튜닝 시 다중 모달 대형 모델의 제어 가능성과 일반화를 크게 개선한 것입니다. "마스크된 이미지는 강력한 미세 조정을 위한 반사실 샘플입니다."

Sun Yat-sen University HCP 연구실의 새로운 혁신: 인과 패러다임을 사용하여 다중 모드 대형 모델 업그레이드

링크: https://arxiv.org/abs/2303.03052

사전 훈련된 대규모 모델을 사용하여 다운스트림 작업을 미세 조정하는 것은 현재 인기 있는 딥 러닝 패러다임입니다. . 특히, 최근 사전 학습된 대규모 언어 모델인 ChatGPT의 뛰어난 성능으로 인해 이러한 기술 패러다임이 널리 인식되었습니다. 대규모 데이터로 사전 학습한 후 이러한 대규모 사전 학습 모델은 실제 환경에서 변화하는 데이터 분포에 적응할 수 있으므로 일반 시나리오에서 강력한 견고성을 보여줍니다.

그러나 미리 훈련된 대형 모델이 다운스트림 장면 데이터로 미세 조정되어 특정 애플리케이션 작업에 적응할 때 대부분의 경우 이러한 데이터는 특이합니다. 이러한 데이터를 사용하여 사전 훈련된 대형 모델을 미세 조정하면 모델의 견고성이 저하되어 사전 훈련된 대형 모델을 기반으로 적용하기가 어려워지는 경우가 많습니다. 특히 시각적 모델의 경우 이미지의 다양성이 언어를 훨씬 뛰어넘기 때문에 다운스트림 미세 조정 학습으로 인해 비전 관련 사전 학습된 대형 모델의 견고성이 저하되는 문제가 특히 두드러집니다.

이전 연구 방법은 일반적으로 모델 통합 및 기타 방법을 통해 모델 매개변수 수준에서 암시적으로 미세 조정된 사전 훈련된 모델의 견고성을 유지합니다. 그러나 이들 연구에서는 미세 조정이 모델의 분포를 벗어난 성능 저하로 이어지는 본질적인 이유를 분석하지 않았으며, 위에서 언급한 대형 모델의 미세 조정 후 견고성이 감소하는 문제를 명확하게 해결하지 못했습니다.

본 연구는 크로스 모달 대형 모델을 기반으로 사전 학습된 대형 모델의 강인성 손실에 대한 본질적인 이유를 인과성 관점에서 분석하고 이에 따라 모델의 강인성을 크게 향상시킬 수 있는 방법을 제안합니다. 모델을 미세 조정하세요. 이 방법을 사용하면 모델이 다운스트림 작업에 적응하면서 강력한 견고성을 유지할 수 있으며 실제 응용 프로그램의 요구 사항을 더 잘 충족할 수 있습니다.

2021년 OpenAI에서 출시한 대규모 교차 모달 사전 학습 모델 CLIP(Contrastive Language-Image Pre-training)을 예로 들어 보겠습니다. CLIP은 대조 이미지-텍스트를 기반으로 하는 대규모 교차 모달 사전 학습 모델입니다. 공동 학습 모델은 Stable Diffusion과 같은 생성 모델의 기초입니다. 이 모델은 약 4억 개의 이미지-텍스트 쌍이 포함된 대규모 다중 소스 데이터에 대해 훈련되었으며 어느 정도 분포 변화에 강력한 인과 관계를 학습합니다.

그러나 단일 기능 다운스트림 데이터로 CLIP을 미세 조정하는 경우 훈련 이미지의 비의미적 표현과 의미적 표현이 매우 얽혀 있기 때문에 모델에서 학습한 이러한 인과 지식을 파괴하기 쉽습니다. 예를 들어 CLIP 모델 전송을 "농장"의 다운스트림 시나리오에 적용하면 많은 훈련 이미지에 풀밭에 있는 "소"가 표시됩니다. 이 시점에서 미세 조정 훈련을 통해 모델은 잔디의 "소"가 아닌 의미론적 표현에 의존하여 이미지의 의미론을 예측하는 방법을 학습할 수 있습니다. 그러나 이 상관관계가 반드시 맞는 것은 아닙니다. 예를 들어 "소"가 도로에 나타날 수도 있습니다. 따라서 모델을 미세 조정하고 훈련한 후에는 견고성이 감소하고 적용 중 출력 결과가 극도로 불안정해지고 제어성이 부족해질 수 있습니다.

팀의 다년간의 대형 모델 구축 및 학습 경험을 바탕으로 이 작업은 사전 학습된 모델의 미세 조정으로 인해 발생하는 견고성 감소 문제를 인과 관계의 관점에서 재검토합니다. 인과관계 모델링 및 분석을 기반으로 본 연구에서는 이미지 마스크를 기반으로 반사실적 샘플을 구성하고 마스크 이미지 학습을 통해 모델 견고성을 향상시키는 미세 조정 학습 방법을 제안합니다.

구체적으로, 다운스트림 훈련 이미지의 허위 상관 관계를 깨기 위해 이 작업은 비의미적 영역을 조작하기 위해 이미지의 특정 영역의 콘텐츠를 마스킹하고 대체하는 CAM(클래스 활성화 맵) 기반 방법을 제안합니다. 이미지의 의미 표현 또는 의미론적 표현은 반사실적 샘플을 생성합니다. 미세 조정된 모델은 증류를 통해 사전 훈련된 모델에 의해 이러한 반사실적 샘플의 표현을 모방하는 방법을 학습할 수 있으므로 의미적 요인과 비의미적 요인의 영향을 더 효과적으로 분리하고 다운스트림 필드의 분포 이동에 대한 적응성을 향상시킬 수 있습니다.


Sun Yat-sen University HCP 연구실의 새로운 혁신: 인과 패러다임을 사용하여 다중 모드 대형 모델 업그레이드

실험에 따르면 이 방법은 다운스트림 작업에서 사전 훈련된 모델의 성능을 크게 향상시키는 동시에 기존 대형 모델 미세 조정 훈련 방법에 비해 견고성을 향상시키는 데 상당한 이점이 있습니다.

이 작업의 중요한 의의는 사전 훈련된 대형 모델이 딥러닝 패러다임에서 물려받은 '블랙박스'를 어느 정도 열고, '해석 가능성'과 '제어 가능성' 문제를 해결한다는 점입니다. 대형 모델 중요한 탐색을 통해 사전 훈련된 대형 모델을 통한 실질적인 생산성 향상에 더 가까워졌습니다.

중산대학교 HCP 팀은 Transformer 메커니즘이 등장한 이후 수년 동안 대형 모델 기술 패러다임에 대한 연구에 참여해 왔으며 대형 모델의 훈련 효율성을 향상하고 인과 모델을 도입하는 데 전념하고 있습니다. 대형 모델의 "제어성" 문제를 해결합니다. 수년에 걸쳐 팀은 시각, 언어, 음성 및 교차 양식에 대한 여러 대규모 사전 훈련 모델을 독립적으로 연구하고 개발했습니다. Huawei의 Noah's Ark Laboratory와 공동으로 개발한 "Wukong" 교차 모드 대형 모델(링크: https:/ /arxiv.org/abs/2202.06767)이 전형적인 경우입니다.

팀 소개

쑨원대학교 인간-컴퓨터 지능 융합 연구실(HCP Lab)은 다중 모드 인지 컴퓨팅, 로봇 공학 및 임베디드 시스템, 메타버스 및 디지털 휴먼, 제어 가능한 콘텐츠 생성, 현장에서 체계적인 연구를 수행하고, 제품 프로토타입의 심층적인 응용 시나리오를 만들고, 다수의 원천 기술을 수출하고, 기업가 팀을 육성합니다. 이 연구실은 2010년 IAPR 연구원인 Lin Liang 교수가 설립했으며 중국 이미지 그래픽 학회 과학기술상 1등상, Wu Wenjun 자연과학상, 지방 자연과학 1등상 등을 수상했습니다. Liang Xiaodan, Wang Keze와 같은 국가 수준의 젊은 인재를 양성했습니다.

위 내용은 Sun Yat-sen University HCP 연구실의 새로운 혁신: 인과 패러다임을 사용하여 다중 모드 대형 모델 업그레이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명
이 기사는 51CTO.COM에서 복제됩니다. 침해가 있는 경우 admin@php.cn으로 문의하시기 바랍니다. 삭제
AI 내부 배포의 숨겨진 위험 : 거버넌스 격차 및 치명적인 위험AI 내부 배포의 숨겨진 위험 : 거버넌스 격차 및 치명적인 위험Apr 28, 2025 am 11:12 AM

Apollo Research의 새로운 보고서에 따르면 고급 AI 시스템의 점검되지 않은 내부 배치는 상당한 위험을 초래합니다. 주요 AI 기업들 사이에서 널리 퍼져있는 이러한 감독 부족은 uncont에서 범위에 이르는 잠재적 인 치명적인 결과를 허용합니다.

AI Polygraph 구축AI Polygraph 구축Apr 28, 2025 am 11:11 AM

전통적인 거짓말 탐지기는 구식입니다. 손목 대역으로 연결된 포인터에 의존하는 것은 대상의 활력 징후와 물리적 반응을 인쇄하는 거짓말 탐지기가 거짓말을 식별하는 데 정확하지 않습니다. 그렇기 때문에 거짓말 탐지 결과는 일반적으로 법원에서 채택되지는 않지만 많은 무고한 사람들이 감옥에 갇히게되었습니다. 대조적으로, 인공 지능은 강력한 데이터 엔진이며, 작동 원리는 모든 측면을 관찰하는 것입니다. 이것은 과학자들이 다양한 방식으로 진실을 찾는 응용 분야에 인공 지능을 적용 할 수 있음을 의미합니다. 한 가지 방법은 거짓말 탐지기처럼 심문을받는 사람의 중요한 부호 반응을 분석하지만보다 상세하고 정확한 비교 분석을 분석하는 것입니다. 또 다른 방법은 언어 마크 업을 사용하여 사람들이 실제로 말하는 것을 분석하고 논리와 추론을 사용하는 것입니다. 말이 갈 때, 한 거짓말은 또 다른 거짓말을 번식시키고 결국

항공 우주 산업에서 AI가 이륙을 위해 청산 되었습니까?항공 우주 산업에서 AI가 이륙을 위해 청산 되었습니까?Apr 28, 2025 am 11:10 AM

혁신의 선구자 인 항공 우주 산업은 AI를 활용하여 가장 복잡한 도전을 해결하고 있습니다. Modern Aviation의 복잡성 증가는 AI의 자동화 및 실시간 인텔리전스 기능이 필요합니다.

베이징의 봄 로봇 레이스를보고 있습니다베이징의 봄 로봇 레이스를보고 있습니다Apr 28, 2025 am 11:09 AM

로봇 공학의 빠른 발전은 우리에게 매혹적인 사례 연구를 가져 왔습니다. Noetix의 N2 로봇의 무게는 40 파운드가 넘고 키가 3 피트이며 백 플립을 할 수 있다고합니다. Unitree의 G1 로봇의 무게는 N2 크기의 약 2 배이며 키는 약 4 피트입니다. 경쟁에 참여하는 작은 휴머노이드 로봇도 많으며 팬이 앞으로 나아가는 로봇도 있습니다. 데이터 해석 하프 마라톤은 12,000 명 이상의 관중을 끌어 들였지만 21 명의 휴머노이드 로봇 만 참여했습니다. 정부는 참여 로봇이 경쟁 전에 "집중 훈련"을 수행했다고 지적했지만 모든 로봇이 전체 경쟁을 완료 한 것은 아닙니다. 챔피언 -Tiangong Ult Beijing Humanoid Robot Innovation Center가 개발했습니다.

거울 함정 : AI 윤리와 인간 상상력의 붕괴거울 함정 : AI 윤리와 인간 상상력의 붕괴Apr 28, 2025 am 11:08 AM

인공 지능은 현재 형태로 진정으로 지능적이지 않습니다. 기존 데이터를 모방하고 정제하는 데 능숙합니다. 우리는 인공 지능을 만들지 않고 오히려 인공적인 추론을 만들고 있습니다.

새로운 Google Leak은 Handy Google 사진 기능 업데이트가 공개됩니다새로운 Google Leak은 Handy Google 사진 기능 업데이트가 공개됩니다Apr 28, 2025 am 11:07 AM

보고서에 따르면 Google Photos Android 버전 7.26 코드에 업데이트 된 인터페이스가 숨겨져 있으며 사진을 볼 때마다 새로 감지 된 얼굴 썸네일 행이 화면 하단에 표시됩니다. 새로운 얼굴 썸네일에는 이름 태그가 없으므로 탐지 된 각 사람에 대한 자세한 정보를 보려면 개별적으로 클릭해야한다고 생각합니다. 현재이 기능은 Google 사진이 이미지에서 찾은 사람들 외에는 정보를 제공하지 않습니다. 이 기능은 아직 사용할 수 없으므로 Google이 어떻게 정확하게 사용할 것인지 모릅니다. Google은 썸네일을 사용하여 선택된 사람들의 더 많은 사진을 찾는 속도를 높이거나 편집 할 개인을 선택하는 것과 같은 다른 목적으로 사용될 수 있습니다. 기다렸다가 보자. 지금은

강화 조정 안내서 - 분석 Vidhya강화 조정 안내서 - 분석 VidhyaApr 28, 2025 am 09:30 AM

강화 결합은 인간의 피드백을 기반으로 조정하도록 모델을 가르치면서 AI 개발을 흔들었다. 감독 학습 기초가 보상 기반 업데이트와 혼합되어 더 안전하고 정확하며 진정으로 도움을줍니다.

Let 's Dance : 인간 신경 그물을 미세 조정하기위한 구조화 된 움직임Let 's Dance : 인간 신경 그물을 미세 조정하기위한 구조화 된 움직임Apr 27, 2025 am 11:09 AM

과학자들은 C. el 그러나 중요한 질문이 발생합니다. 새로운 AI S와 함께 효과적으로 작동하도록 우리 자신의 신경망을 어떻게 조정합니까?

See all articles

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

뜨거운 도구

Eclipse용 SAP NetWeaver 서버 어댑터

Eclipse용 SAP NetWeaver 서버 어댑터

Eclipse를 SAP NetWeaver 애플리케이션 서버와 통합합니다.

SublimeText3 영어 버전

SublimeText3 영어 버전

권장 사항: Win 버전, 코드 프롬프트 지원!

맨티스BT

맨티스BT

Mantis는 제품 결함 추적을 돕기 위해 설계된 배포하기 쉬운 웹 기반 결함 추적 도구입니다. PHP, MySQL 및 웹 서버가 필요합니다. 데모 및 호스팅 서비스를 확인해 보세요.

DVWA

DVWA

DVWA(Damn Vulnerable Web App)는 매우 취약한 PHP/MySQL 웹 애플리케이션입니다. 주요 목표는 보안 전문가가 법적 환경에서 자신의 기술과 도구를 테스트하고, 웹 개발자가 웹 응용 프로그램 보안 프로세스를 더 잘 이해할 수 있도록 돕고, 교사/학생이 교실 환경 웹 응용 프로그램에서 가르치고 배울 수 있도록 돕는 것입니다. 보안. DVWA의 목표는 다양한 난이도의 간단하고 간단한 인터페이스를 통해 가장 일반적인 웹 취약점 중 일부를 연습하는 것입니다. 이 소프트웨어는

SecList

SecList

SecLists는 최고의 보안 테스터의 동반자입니다. 보안 평가 시 자주 사용되는 다양한 유형의 목록을 한 곳에 모아 놓은 것입니다. SecLists는 보안 테스터에게 필요할 수 있는 모든 목록을 편리하게 제공하여 보안 테스트를 더욱 효율적이고 생산적으로 만드는 데 도움이 됩니다. 목록 유형에는 사용자 이름, 비밀번호, URL, 퍼징 페이로드, 민감한 데이터 패턴, 웹 셸 등이 포함됩니다. 테스터는 이 저장소를 새로운 테스트 시스템으로 간단히 가져올 수 있으며 필요한 모든 유형의 목록에 액세스할 수 있습니다.