FPCD：视觉语言模型持续学习框架

2026年10月16日，arXiv Computer Vision 刊出 Tiantian Peng 等人的研究，提出 FPCD 持续学习框架，针对 CLIP 类视觉语言模型持续学习中的模态鸿沟漂移问题。该框架由两部分组成：快速零空间投影（FNP）与对比蒸馏（CD）。据该报道，FNP 以对称特征分解替代奇异值分解，将投影基构建加速 5-9 倍；CD 则借助小型参考集，对齐微调模型与 CLIP 的双向图文相似度分布。报道称 FPCD 是一个结合 FNP 与 CD 的高效框架。目前该事件仅有这一篇主报道，尚无后续跟进报道，框架在其他数据集或任务上的表现、以及是否开源等信息均未在报道中提及。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。