面向生成式个性化的自适应子空间投影
计算机视觉与模式识别
2026-05-11 v1
摘要
生成式个性化常常会出现语义坍缩问题（SCP），即所学的个性化概念会压倒文本提示的其余内容，导致模型忽视重要的上下文细节。为解决此问题，我们首先分析了其根本原因，发现导致 SCP 的语义漂移并非随机，而是集中在特定的低维子空间中。我们还发现，个性化过程会扰动原始基础概念的嵌入，使其成为不稳定的参考点。基于这些洞察，我们提出了一种基于稳定预训练嵌入作为锚点的测试时嵌入调整与自适应子空间投影方法（AdaptSP）。AdaptSP 将语义漂移隔离并投射到识别出的子空间上，执行精确的调整，从而缓解 SCP 同时保持主体身份。我们的实验表明，这种有针对性的方法显著提高了提示的保真度和上下文对齐度。
引用
@article{arxiv.2605.07257,
title = {Adaptive Subspace Projection for Generative Personalization},
author = {Van-Anh Nguyen and Anh Tuan Bui and Tamas Abraham and Junae Kim and Amardeep Kaur and Rollin Omari and Thuy-Trang Vu and Dinh Phung},
journal= {arXiv preprint arXiv:2605.07257},
year = {2026}
}