MétaCan
Menu
Retour à la cohorte
Enregistrement W4415284365 · doi:10.36227/techrxiv.176072275.50751098/v1

Unlocking Multimodal Models with Lightweight Fine-Tuning

2025· article· W4415284365 sur OpenAlexaff
Xinyi Cheng, Shufen Zhihao, Qian Li

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueSpeech and dialogue systems
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)MultimodalityMultimodal interactionFoundation (evidence)Key (lock)

Résumé

récupéré en direct d'OpenAlex

The recent proliferation of large-scale multimodal foundation models, which integrate vision and language understanding within a unified framework, has profoundly transformed the landscape of artificial intelligence, enabling unprecedented capabilities across tasks such as image captioning, visual question answering, cross-modal retrieval, and multimodal reasoning. Despite their impressive performance, these models present significant challenges for practical adaptation, as their massive parameter counts-often in the billions-render full fine-tuning computationally prohibitive, memoryintensive, and inefficient for deployment in resource-constrained environments. Parameter-efficient fine-tuning (PEFT) has emerged as a compelling solution to these challenges, offering a spectrum of strategies that introduce a relatively small number of task-specific parameters while keeping the majority of the pre-trained model frozen. This survey provides a comprehensive review of PEFT techniques applied to multimodal foundation models, focusing on three primary families: adapter-based methods, which insert lightweight bottleneck modules into hidden layers; low-rank adaptation methods, which efficiently modify linear projections within transformers; and prompting-based approaches, which manipulate input representations or latent activations to guide downstream behavior. We examine the mathematical underpinnings of these approaches, including formal definitions, parameter budgets, and the design of modality-specific adaptations, and highlight their empirical effectiveness across a wide range of multimodal tasks. In addition, we discuss critical challenges in PEFT, including optimal allocation of adaptation capacity across layers and modalities, robustness and generalization under distributional shifts, scalability in extremely large models, and theoretical understanding of task-specific low-dimensional manifolds within high-dimensional parameter spaces. Finally, we outline future research directions, emphasizing dynamic and adaptive fine-tuning mechanisms, cross-modal transferability, integration with efficiency-enhancing techniques such as pruning and quantization, and the pursuit of interpretable and theoretically grounded adaptation strategies. Through this survey, we aim to provide both a rigorous conceptual framework and practical guidance for leveraging PEFT to deploy flexible, efficient, and high-performing multimodal foundation models, bridging the gap between large-scale pre-training and real-world task adaptation while laying the groundwork for continued innovation in scalable, modular, and interpretable multimodal AI.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,235
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpeech and dialogue systemsTravaux en français237 207