LuanVan.vnLuận Văn
Gửi thư

Promoting Ensemble Diversity with Interactive Bayesian Distributional Robustness for Fine-tuning Foundation Models

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
Tác giảPhạm Ngọc Quân
Người hướng dẫnNgô Văn Linh
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu và thiết kế một khung suy luận Bayesian tương tác nhằm cải thiện chất lượng ensemble trong fine-tuning các mô hình nền tảng. Phân tích thực trạng cho thấy các phương pháp Bayesian và ensemble hiện nay thường giả định các mẫu độc lập, dẫn đến suy giảm đa dạng, hiện tượng particle collapse và hiệu chỉnh độ tin cậy kém trong các mô hình Vision Transformer và Large Language Models. Đề xuất giải pháp IBDR, kết hợp posterior trên không gian tích, divergence loss dựa trên DPP và tối ưu hóa phân phối theo Wasserstein để tăng tính đa dạng và ổn định mô hình. Kết luận khẳng định phương pháp cải thiện độ chính xác, khả năng tổng quát hóa và hiệu chỉnh bất định.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.