新的配置混合预测方法提升下游任务性能

研究人员推出了一种新颖的方法——配置混合预测（CMP），该方法为每个数据样本自适应地加权不同的聚类配置。所提出的MixConfig模块可与任何冻结的嵌入一起工作，学习基于样本上下文、聚类分配和稳定性统计信息来组合配置。在包括表格、分子、视觉和文本数据在内的各种领域的实验表明，CMP在低数据场景下尤其能持续优于单分辨率和静态基线。 AI

影响 该方法通过自适应加权聚类配置以实现更好的下游预测，从而提高了性能，尤其是在低数据模式下。

排序理由 该集群包含一篇详细介绍一种新机器学习方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Configuration-Mixed Prediction
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Juntang Wang
• MixConfig
• ScienceCast

• 论文
• 其他

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