Talk预告｜卡内基梅隆大学刘士弘：LOV - 如何无参数有效优化视觉语言模型

主要观点总结

本文是关于TechBeat人工智能社区第643期线上Talk的详细介绍，主讲人为卡内基梅隆大学的硕士生刘士弘。他将分享其团队提出的利用大语言模型有效优化视觉语言模型的新方法，该方法无需触及模型内部参数，能大幅提升优化的灵活性与速度。本次分享会还包括主题、时间、地点、议程、嘉宾介绍等相关信息。

关键观点总结

关键观点1: 主讲人介绍

刘士弘是卡内基梅隆大学的研究生毕业生，曾任机器人研究所研究员，目前在Amazon工作，负责大型分布式系统的计算和大语言模型驱动的AI Agent的开发。

关键观点2: 分享主题

分享的主题是“LOV - 如何无参数有效优化视觉语言模型”，将介绍一种新的优化方法，利用大语言模型自动优化视觉语言模型在多个下游任务中的表现。

关键观点3: Talk内容概述

Talk内容包括背景介绍、研究动机、解决方案、应用与延伸讨论等，旨在介绍视觉语言模型的优化难点、团队的创新解决方案以及相关的应用和思考。

关键观点4: 社区介绍

TechBeat人工智能社区是一个荟聚全球华人AI精英的学习成长社区，致力于提供AI前沿知识的学习、分享和交流的平台。

文章预览

本期为 TechBeat人工智能社区 第 643 期 线上Talk。 北京时间 11 月27日 (周三)20:00， 卡内基梅隆大学硕 士生 刘士弘 的Talk将准时在TechBeat人工智能社区开播！ 他与大家分享的主题 是:  “ LOV - 如何无参数有效优化视觉语言模型 ” ， 届时他 将 分享一种新的优化方法， 利用大语言模型来有效地自动优化视觉语言模型在多个下游任务中的表现。 相关工作已入选CVPR 2024 。 Talk·信息 ▼ 主题：LOV - 如何无参数有效优化视觉语言模型 嘉宾：卡内基梅隆大学 · 硕士生 - 刘士弘 时间：北京时间  11 月27日(周三)20:00 地点：TechBeat人工智能社区 http://www.techbeat.net/  长按识别二维码，一键预约TALK！ Talk·介绍 ▼ GPT-4o、DALL-E 3等模型在图像生成领域取得了令人惊讶的成绩，然而这些视觉语言模型通常拥有数十亿参数，且模型权重不公开，使得传统的白盒优化方法（如 ………………………………