揭示了传统上下文学习在处理具有虚假相关性的视觉分类任务时的局限性-20241008054038

揭示了传统上下文学习在处理具有虚假相关性的视觉分类任务时的局限性，并提出了一种新的训练方法，通过随机置换输入嵌入维度、设计包含中间查询的上下文学习实例以及在多样化任务数据集上进行训练，显著提升了模型的性能和泛化能力，但其泛化能力仍受限于分布变化的严重程度。