研究人员开发了MetaRank，一个新颖的元学习框架，旨在自动选择最有效的指标来估计模型的可迁移性。该方法解决了现有指标在不同目标数据集上表现不一致的挑战。MetaRank采用两阶段过程：首先，它根据在相似数据集上的表现检索相关指标子集，然后通过分析它们引起的成对排序来重新排序这些指标。在大量模型、指标和数据集上的实验表明，MetaRank在指导源模型选择方面显著优于传统基线。 AI
影响 该框架可以简化迁移学习中预训练模型的选择过程，从而可能加速AI的开发和部署。
排序理由 该集群包含一篇学术论文，详细介绍了用于AI模型可迁移性估计的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
