springboot事务触发滚动与不滚蛋
2026/1/9 2:22:36
北大团队提出CKDA框架，解决跨模态行人重识别中的持续学习灾难性遗忘问题。该框架通过跨模态通用提示生成器提取共享特征，单模态专用提示生成器保留模态特有信息，以及跨模态知识对齐引擎防止遗忘。实验表明，该框架在四个主流数据集上显著优于现有方法，但在模型复杂度和通用性方面仍有改进空间。这一创新为智能安防领域的终身学习系统提供了新思路。
北大团队搞了个CKDA框架，号称能搞定跨模态行人重识别的持续学习灾难性遗忘问题。核心思路简单粗暴：把知识拆成两份，一份大家共用，一份各回各家。
这事儿为什么难搞？
话说在智能安防这摊子事里，昼夜监控是个老大难。白天靠可见光摄像头，晚上得切红外，但这两个模态的数据分布差得不是一星半点。圈里人想搞个终身学习的系统，让模型能持续吸收新数据，结果却发现——每学一批新的红外数据，模型就把之前跨模态的共享知识给覆盖掉了。
这事儿细想起来挺要命。红外模态有它自己的热辐射特征，可见光模态有颜色和纹理。传统持续学习方法，不管是经验回放还是知识蒸馏，都没法阻止这两类知识在表征空间里打架。梯度一更新，红外特有的热敏信息就把可见光-红外共通的体态结构编码给冲了，反过来也一样。调参调到怀疑人生也没用，这根本不是参数问题，是架构设计就没给两类知识留独立通道。
CKDA：拆就完事了
彭宇新教授那帮人提出来的CKDA（Cross-modal Knowledge Disentanglement and Alignment），名字听着拗口，但思路其实挺直观——在特征提取层面就物理隔离两种知识流。
他们整了三个模块：
跨模态通用提示生成器。这玩意儿干的事就是“去风格化”。输入图像先过实例归一化，把可见光和红外的统计分布差异抹平，然后搞个双分支通道注意力网络，动态评估哪些通道对双模态都管用。说白了，就是自动找出那些不管白天黑夜都能用的特征——比如人体轮廓、走路姿态——然后生成通用提示向量。这个向量像是个公共知识库，专门存跨模态共享的东西。
单模态专用提示生成器。跟上面那个互补，专门放大模态差异。用Dropout和可学习投影矩阵给可见光和红外各建一个私有编码空间。可见光这边存服饰颜色纹理，红外那边存热辐射强度分布。通过最小化专用提示损失，确保模态特有的知识在增量学习时不被公共信息稀释。
跨模态知识对齐引擎。这是防止遗忘的关键。用历史模型提取的旧数据特征中心当锚点，同时约束两个空间：跨模态匹配空间（让新旧模型对同一身份跨光谱样本的相似度分布保持一致）和模态内聚类空间（维持单模态特有判别力）。双空间对齐，用的是Softmax归一化的相似度匹配损失，精确控制知识遗忘速率。
实验结果：看起来能work？
他们在SYSU-MM01、RegDB等四个主流数据集上搭了个终身学习基准测试。CKDA跑出了36.3%的平均mAP和39.4%的Rank-1准确率。说实话，这数字在静态数据集上不算惊艳，但在持续学习场景下比现有最优基线高出一截——具体高多少原文没细说，只给了“显著超越”四个字。
可视化有点意思。通用提示的注意力热力图确实集中在行人骨架和整体形态，专用提示则各管各的：可见光分支盯着衣服颜色，红外分支锁定高热部位。这种互补模式验证了解耦确实发生了，不是纸上谈兵。
槽点和隐忧
说实话，这框架有个潜在的坑。双通道提示机制虽然解耦了知识，但也把模型复杂度拉上去了。每个模态都要走一遍通用+专用的计算流，推理开销会不会翻倍？原文没提latency和FLOPs，这在实际部署里可是硬指标。
另外，跨模态通用提示的“通用性”到底能泛化到什么程度？如果来个全新的模态（比如深度图），这通用提示还管用吗？还是说又得重新训练一套？这里存疑。
还有个小细节：他们用的是Softmax归一化的相似度匹配损失来控制遗忘速率。这个“速率”是手工调的超参，还是自动学的？要是手工调，那在真实场景里又是另一个调参地狱。
最后扯两句
CKDA这波操作，本质上是在prompt learning的框架下给持续学习打了个补丁。思路不复杂，但恰恰因为不复杂，反而可能真的work。现在多模态大模型火得一塌糊涂，灾难性遗忘问题只会越来越痛。我猜下一步，这帮人可能会把CKDA往CLIP那种大规模预训练模型上套——如果能在不存历史数据的情况下让CLIP持续学习新模态，那才算真本事。
不过话说回来，持续学习这领域，paper里的“终身演进”和工业界的“上线跑一年不崩”，中间隔着的可不止一个AAAI。崔振宇同学要是真想把这个框架推向实用，得找几个真实的安防项目磨一磨，别光在benchmark上刷数字。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。