研究者提出主动学习原则性数据移除方法
热点事件持续更新
研究者提出主动学习原则性数据移除方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Manuel Wendl 等作者提出用于主动学习的数据移除方法 Forgetting to Improve，用高斯过程模型的影响函数识别并移除对特定任务有害的数据样本，以缩小模型不确定性与数据生成过程之间的偏差。 论文称，该方法在贝叶斯优化、基于模型的强化学习和直推式学习任务上均取得显著提升。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
Forgetting to Improve：主动学习中基于影响函数的有原则数据移除报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIForgetting to Improve：主动学习中基于影响函数的有原则数据移除
研究者提出 Forgetting to Improve 方法，用高斯过程模型的影响函数识别并移除对特定任务有害的数据样本，以缩小模型不确定性与数据生成过程之间的偏差。该方法在贝叶斯优化、基于模型的强化学习和直推式学习等任务上均取得显著提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。