·36 min de lecture
Robustesse en faible régime (1) — ReBaPL : le prompt learning bayésien répulsif
Deep-dive complet du papier ReBaPL : pourquoi échantillonner la distribution des bons prompts — plutôt que d'en optimiser un seul — rend CLIP plus robuste. SGHMC cyclique, force répulsive, MMD et transport optimal, expliqués pas à pas.