研究人员开发了一种名为TTCov（Test-Time Coverage）的新数据策选方法，旨在提高AI系统在实际部署场景中的性能。TTCov侧重于将训练数据与部署环境的具体条件相匹配，而不是仅仅优化训练端指标。该方法构建了一个“知识图谱”（K-Atlas），通过识别和量化相关概念来表示部署分布，然后指导训练数据集的选择。应用于自动驾驶领域，TTCov与现有数据策选技术相比，展现出更优越的性能和适应性。 AI
影响 通过更好地使训练数据与部署现实相匹配，该方法有望带来更强大、更具适应性的AI系统，尤其是在自动驾驶等安全关键型应用中。
排序理由 这是一篇详细介绍AI数据策选新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
