Buchumschlag

Understanding and Mitigating Miscalibration in Prompt Tuning for Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Shuoyuan, Li, Yixuan, Wei, Hongxin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Your Pre-trained LLM is Secretly an Unsupervised Confidence Calibrator
von: Luo, Beier, et al.
Veröffentlicht: (2025)

Mapping from Meaning: Addressing the Miscalibration of Prompt-Sensitive Language Models
von: Cox, Kyle, et al.
Veröffentlicht: (2025)

Open-Vocabulary Calibration for Fine-tuned CLIP
von: Wang, Shuoyuan, et al.
Veröffentlicht: (2024)

Large Language Models are Miscalibrated In-Context Learners
von: Li, Chengzu, et al.
Veröffentlicht: (2023)

MarsRetrieval: Benchmarking Vision-Language Models for Planetary-Scale Geospatial Retrieval on Mars
von: Wang, Shuoyuan, et al.
Veröffentlicht: (2026)

Understanding Retrieval-Augmented Task Adaptation for Vision-Language Models
von: Ming, Yifei, et al.
Veröffentlicht: (2024)

How Contaminated Is Your Benchmark? Quantifying Dataset Leakage in Large Language Models with Kernel Divergence
von: Choi, Hyeong Kyu, et al.
Veröffentlicht: (2025)

Patch-Prompt Aligned Bayesian Prompt Tuning for Vision-Language Models
von: Liu, Xinyang, et al.
Veröffentlicht: (2023)

How Does Fine-Tuning Impact Out-of-Distribution Detection for Vision-Language Models?
von: Ming, Yifei, et al.
Veröffentlicht: (2023)

Optimization-Free Test-Time Adaptation for Cross-Person Activity Recognition
von: Wang, Shuoyuan, et al.
Veröffentlicht: (2023)

Learning to Prompt Your Domain for Vision-Language Models
von: Wei, Guoyizhe, et al.
Veröffentlicht: (2023)

Doubly Debiased Test-Time Prompt Tuning for Vision-Language Models
von: Song, Fei, et al.
Veröffentlicht: (2025)

Discovery of Hidden Miscalibration Regimes
von: Kobalczyk, Katarzyna, et al.
Veröffentlicht: (2026)

When Individually Calibrated Models Become Collectively Miscalibrated
von: Wang, Zhaohui
Veröffentlicht: (2026)

Provable Joint Decontamination for Benchmarking Multiple Large Language Models
von: Liu, Zhenlong, et al.
Veröffentlicht: (2026)

Provable Model Provenance Set for Large Language Models
von: Qiu, Xiaoqi, et al.
Veröffentlicht: (2026)

Candidate Pseudolabel Learning: Enhancing Vision-Language Models by Prompt Tuning with Unlabeled Data
von: Zhang, Jiahan, et al.
Veröffentlicht: (2024)

An Empirical Study of Federated Prompt Learning for Vision Language Model
von: Wang, Zhihao, et al.
Veröffentlicht: (2025)

All Models Are Miscalibrated, But Some Less So: Comparing Calibration with Conditional Mean Operators
von: Moskvichev, Peter, et al.
Veröffentlicht: (2025)

Defending Membership Inference Attacks via Privacy-aware Sparsity Tuning
von: Hu, Qiang, et al.
Veröffentlicht: (2024)

Neutral-Reference Prompting for Vision-Language Models
von: Tian, Senmao, et al.
Veröffentlicht: (2026)

Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks
von: Chen, Hao, et al.
Veröffentlicht: (2023)

CAPT: Class-Aware Prompt Tuning for Federated Long-Tailed Learning with Vision-Language Model
von: Hou, Shihao, et al.
Veröffentlicht: (2025)

SecP-Tuning: Efficient Privacy-Preserving Prompt Tuning for Large Language Models via MPC
von: Luo, Jinglong, et al.
Veröffentlicht: (2025)

ZIP: An Efficient Zeroth-order Prompt Tuning for Black-box Vision-Language Models
von: Park, Seonghwan, et al.
Veröffentlicht: (2025)

Latent Domain Prompt Learning for Vision-Language Models
von: Li, Zhixing, et al.
Veröffentlicht: (2025)

NLPrompt: Noise-Label Prompt Learning for Vision-Language Models
von: Pan, Bikang, et al.
Veröffentlicht: (2024)

Understanding Prompt Tuning and In-Context Learning via Meta-Learning
von: Genewein, Tim, et al.
Veröffentlicht: (2025)

Memory-Space Visual Prompting for Efficient Vision-Language Fine-Tuning
von: Jie, Shibo, et al.
Veröffentlicht: (2024)

Parametric Scaling Law of Tuning Bias in Conformal Prediction
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Provable Training Data Identification for Large Language Models
von: Liu, Zhenlong, et al.
Veröffentlicht: (2025)

Prompt Tuning for Natural Language to SQL with Embedding Fine-Tuning and RAG
von: Jang, Jisoo, et al.
Veröffentlicht: (2025)

Mitigating Privacy Risk in Membership Inference by Convex-Concave Loss
von: Liu, Zhenlong, et al.
Veröffentlicht: (2024)

ADAPT to Robustify Prompt Tuning Vision Transformers
von: Eskandar, Masih, et al.
Veröffentlicht: (2024)

R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning
von: Sheng, Lijun, et al.
Veröffentlicht: (2025)

LAPT: Label-driven Automated Prompt Tuning for OOD Detection with Vision-Language Models
von: Zhang, Yabin, et al.
Veröffentlicht: (2024)

Understanding and Mitigating Memorization in Diffusion Models for Tabular Data
von: Fang, Zhengyu, et al.
Veröffentlicht: (2024)

Revis: Sparse Latent Steering to Mitigate Object Hallucination in Large Vision-Language Models
von: Wu, Jialin, et al.
Veröffentlicht: (2026)

Challenges in Understanding Modality Conflict in Vision-Language Models
von: Nguyen, Trang, et al.
Veröffentlicht: (2025)

Backdooring Instruction-Tuned Large Language Models with Virtual Prompt Injection
von: Yan, Jun, et al.
Veröffentlicht: (2023)