English(EN) Group-invariant Coresets for Data-efficient Active Learning

新的主动学习方法利用群不变核集提高效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-01 15:46

研究人员开发了GRINCO，一个利用群不变核集的主动学习新框架。该方法通过考虑数据对称性（如旋转等变换）来解决标准核集技术的效率低下问题。GRINCO在商空间中运行，将同一实例的变换版本视为一个实体，从而优化了信息性未标记样本的选择并降低了标记成本。在合成和图像数据集上的实验表明，与现有方法相比，GRINCO具有更高的标签效率，尤其是在由于群诱导对称性而存在大量数据冗余的情况下。 AI

影响该方法可能导致更高效的AI模型数据标记，降低成本并加速开发周期。

排序理由该集群包含一篇详细介绍主动学习新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · R. A. Borsoi · 2026-07-01 15:46

用于数据高效主动学习的群不变核集

Active learning reduces labeling cost by querying the most informative unlabeled samples, but standard coreset methods ignore known data symmetries and can waste budget on transformed versions of the same instance. We propose GRINCO, a group-invariant coreset framework that perfo…

报道来源 [1]

用于数据高效主动学习的群不变核集

相关实体

相关话题