PulseAugur
中
实时 02:58:55

新方法可实现分布式生成模型的一致性排名

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种在分布式环境中一致地对生成模型进行排名的方法，即使参考数据分布在具有不同分布的客户端上。研究证明，对来自各个客户端的核距离（KD）分数进行平均，可以获得与使用合并数据的集中式评估相同的排名。该方法被证明对KD指标有效，但可能不足以用于其他指标，如Fréchet Distance。在图像数据集上的实验验证了这些发现。 AI

影响 为在分布式学习环境中评估和比较生成模型提供了一种标准化方法。

排序理由 学术论文，详细介绍了一种新的生成模型评估方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法可实现分布式生成模型的一致性排名

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zixiao Wang, Farzan Farnia, Zhenghao Lin, Yunheng Shen, Bei Yu ·

    通过核距离实现生成模型的持续分布式排名

    arXiv:2310.11714v5 Announce Type: replace Abstract: Ranking generative models based on the fidelity and diversity of their outputs is required to identify the best generator in a group of candidate generative AI models. To rank a group of models in a conventional centralized sett…

相关实体

相关话题