GeoStack：面向VLMs中准阿贝尔知识组成的框架
计算机视觉与模式识别
2026-05-08 v1
摘要
我们解决了视觉语言模型（VLMs）中知识组成的挑战，其中在多个领域或任务上积累专业知识通常会导致灾难性遗忘。我们引入GeoStack（几何堆叠），一个模块化框架，允许独立训练的领域专家被组成为统一模型。通过在适配器流形上施加几何和结构约束，GeoStack确保了基础模型的基本知识得到保留。此外，我们数学证明了一种权重折叠特性，可实现常数时间推断复杂度（ ）， regardless of the number of integrated experts。实验结果表明，在多域适应和类别增量学习中，GeoStack提供了一种高效的长期知识组成机制，显著缓解了灾难性遗忘。代码可在 https://github.com/QuantitativeImagingLaboratory/GeoStack 获取。
引用
@article{arxiv.2605.06477,
title = {GeoStack: A Framework for Quasi-Abelian Knowledge Composition in VLMs},
author = {Pranav Mantini and Shishir K. Shah},
journal= {arXiv preprint arXiv:2605.06477},
year = {2026}
}