VEST：少样本识别的验证策略

2026年10月15日，arXiv Computer Vision 报道了一项针对小样本识别中验证数据缺乏问题的研究。报道称，小样本识别中缺乏验证数据会导致视觉语言模型（VLM）微调过拟合。为此，研究者 Hanxin Wang、Tian Liu、Shu Kong 提出 VEST（Validation-Enabled Stage-wise Tuning）方法，将验证建模为小样本 ID 数据性能增益与检索数据性能保持之间的多目标优化问题，并通过选取 Pareto 前沿上的工作点实现超参数调优。报道称，在五个基准上，VEST 在 ID 和 OOD 测试数据上均持续优于现有方法。目前该事件仅有这一篇报道，暂无后续跟进或相互矛盾的说法。

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。