热点事件持续更新
DuLBE：双模式低秩学习用于视觉-语言类增量学习
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.CV 刊登论文《DuLBE：双模式低秩学习与桥原型集成用于视觉-语言类增量学习》。该工作提出 DuLBE 方法，用于免样本的视觉-语言类增量学习，并称达到 SOTA 性能。方法包含两部分：其一是双模式低秩学习，按梯度需求分配两种视觉低秩更新模式并以梯度路由协调，其中共享模式复用可迁移知识，残差模式为任务特定变化提供低干扰通道；其二是桥原型集成分类器，在单位超球面上为视觉原型与文本嵌入构建测地桥，并集成可靠的桥原型，以弥补文本决策边界的模态差距，同时保持低秩调优的参数效率。目前公开信息仅来自该论文报道，尚无代码发布、实验细节披露或第三方复现等后续进展。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
2026年9月30日该论文在 arXiv cs.CV 发布，称在免样本视觉-语言类增量学习上达到 SOTA。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CVDuLBE：双模式低秩学习与桥原型集成用于视觉-语言类增量学习
DuLBE 以双模式低秩学习结合桥原型集成分类器，实现免样本的视觉-语言类增量学习并达到 SOTA 性能。它按梯度需求分配两种视觉低秩更新模式并以梯度路由协调：共享模式复用可迁移知识，残差模式为任务特定变化提供低干扰通道。方法还在单位超球面上为视觉原型与文本嵌入构建测地桥并集成可靠的桥原型，以弥补文本决策边界的模态差距，同时保持低秩调优的参数效率。
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。