arXiv ID:
2605.25799
arXiv 提交日期: 2026-05-25
应对源域缺失跨域少样本学习中的注意力沉沦加剧问题 / Addressing Exacerbated Attention Sink for Source-Free Cross-Domain Few-Shot Learning
1️⃣ 一句话总结
本文发现,在跨域少样本学习中,用少量目标域数据微调视觉语言模型会加剧其“注意力沉沦”——模型过度关注少数容易识别的特征,而忽略其他有判别力的难特征;为此,作者提出一种动态重加权方法,抑制对易特征的依赖、增强对难特征的学习,从而显著提升模型在目标域上的分类性能。