PulseAugur
中
实时 07:42:07
English(EN) Learning from Equivalence Queries, Revisited

机器学习研究利用新的对抗模型重新审视等价查询学习

作者 PulseAugur 编辑部 · [1 个来源] ·

这篇研究论文重新审视了从等价查询中学习的经典模型，该框架与更新生成式模型等机器学习系统相关。作者引入了一类新的“对称”反例生成器，它们比以前的模型对抗性要小。在此框架内，他们分析了在全信息和老虎机反馈设置下从等价查询中学习的情况，并推导出了所需学习轮数的紧密界限。分析结合了博弈论视角、自适应加权方法和 minimax 参数。 AI

影响 改进了更新生成式模型和推荐系统的理论框架。

排序理由 该条目是 arXiv 上的学术论文，讨论理论机器学习概念。[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 →

机器学习研究利用新的对抗模型重新审视等价查询学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mark Braverman, Roi Livni, Yishay Mansour, Shay Moran, Kobbi Nissim ·

    从等价查询中学习，再探

    arXiv:2604.04535v2 Announce Type: replace Abstract: Modern machine learning systems, such as generative models and recommendation systems, often evolve through a cycle of deployment, user interaction, and periodic model updates. This differs from standard supervised learning fram…

相关实体

相关话题