English(EN) Sampling lets AI models generalise to unseen sizes A new arXiv preprint proposes random sampling maps that let models trained on small inputs handle larger ones

AI模型通过新的采样技术学会泛化到未见过的大小

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-12 06:25

一篇新的arXiv预印本介绍了一种随机采样映射，使AI模型能够泛化到它们没有经过显式训练的输入大小。该技术允许在较小数据输入上训练的模型有效地处理较大的输入，展示了明确的泛化率。 AI

影响这项研究可以提高AI模型的效率和适应性，使它们能够在无需大量重新训练的情况下处理更广泛的数据。

排序理由该集群描述了一篇新发表在arXiv上的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Mastodon — fosstodon.org 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]

Mastodon — fosstodon.org TIER_1 English(EN) · [email protected] · 2026-07-12 06:25

Sampling lets AI models generalise to unseen sizes A new arXiv preprint proposes random sampling maps that let models trained on small inputs handle larger ones

Sampling lets AI models generalise to unseen sizes A new arXiv preprint proposes random sampling maps that let models trained on small inputs handle larger ones they never saw — with explicit generalisation rate https://www. notatechguy.com/sampling-lets- ai-models-generalise-to-…

链接 notatechguy.com/sampling-lets-ai-models-g…

报道来源 [1]

Sampling lets AI models generalise to unseen sizes A new arXiv preprint proposes random sampling maps that let models trained on small inputs handle larger ones

相关实体

相关话题