返回全部题目← 上一题80 / 94下一题 →题库/模型训练与对齐/Q-6018增量目标检测如何处理背景语义变化并保持旧类别能力？知识专题：预训练、续训与 SFT题目类型：方案设计技术难度：进阶题集来源：1 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集1 个来源，共1 份题集目标检测Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →在增量目标检测中，"背景类语义漂移（Background Shift）"是什么问题？如何解决？增量目标检测中基于知识蒸馏的方法是如何工作的？请介绍代表性工作。如何将 DETR 架构应用于增量目标检测？它相比基于 Faster R-CNN 的方法有什么天然优势？相关题目4 题0083如何提升 Agent 的长程任务能力？同一知识专题题目类型：方案设计技术难度：进阶相关面经：2 篇0085当 pass@k 与 pass@1 的差距收敛后，如何继续提升模型能力？同一知识专题题目类型：方案设计技术难度：深入相关面经：1 篇0207基座已有工具调用能力时，Tool-use SFT 的训练目标是什么？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0495你有哪些大模型后训练经验？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题DINO 系列如何通过自蒸馏学习可迁移的视觉表示？下一题 →实现 MoE 路由负载均衡辅助损失。
