Hien V. Nguyen

作者提出 SEA-PEFT，把适配器配置当作微调过程中的在线分配问题，用“搜索—审计—分配”循环训练当前激活的适配器、通过临时关闭某个适配器来估计其 Dice 效用、再在参数预算下用贪心背包重新选择激活集合，并以 EMA+IQR 平滑和有限状态机稳定该循环；在 TotalSegmentator 与 FLARE’22 上，1/5/10-shot 设置下平均 Dice 比最强的固定拓扑 PEFT 基线高 2.4–2.8 分，同时训练参数少于 1%。

作者提出 SEA-PEFT，把适配器配置当作微调过程中的在线分配问题，用“搜索—审计—分配”循环训练当前激活的适配器、通过临时关闭某个适配器来估计其 Dice 效用、再在参数预算下用贪心背包重新选择激活集合，并以 EMA+IQR 平滑和有限状态机稳定该循环；在 TotalSegmentator 与 FLARE’22 上，1/5/10-shot 设置下平均 Dice 比最强的固定拓扑 PEFT 基线高 2.4–2.8 分，同时训练参数少于 1%。