新的DMVM框架支持去中心化多任务数据集评估

研究人员推出了一种新颖的去中心化多任务数据集评估框架DMVM。该方法利用任务算术从模型组合中推断数据集贡献，从而绕过了重新训练或直接数据共享的需要。DMVM量化了在不同数据集上训练的模型如何在参数空间中组合，以确定每个数据集在多个任务上的边际效用，为具有隐私限制的去中心化环境提供了可扩展且高效的评估流程。该框架包括一个安全的聚合协议，用于在不泄露单个模型参数或私有数据的情况下进行协作评估，并通过计算机视觉和自然语言处理的实验证明了其有效性。 AI

影响 为多任务AI模型实现更高效、更私有的数据市场评估。

排序理由 该集群包含一篇详细介绍新数据集评估框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DMVM
• Gotit.pub
• Hugging Face
• Mohammadsajad Alipour
• ScienceCast

• 论文
• 基础设施

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