开发了一个新的评估框架，以解决自适应数据清理方法中的混淆偏差。这些方法使用数据驱动的分区而不是手动阈值，可以通过改变移除样本的数量来隐式改变性能指标。所提出的框架使用匹配预算和匹配召回率的对照，以及像AUROC和AUPRC这样的独立于阈值的指标，以确保性能提升反映了真实的腐败区分能力，而不是移除预算的变化。在CIFAR-10和ImageNet-100上的实验表明，在匹配操作点后，许多在朴素评估中观察到的性能差异减小或消失了。 AI
影响 为评估数据清理技术提供了一种更严谨的方法，这对于提高在清理数据上训练的AI模型的可靠性至关重要。
排序理由 学术论文，介绍了一种用于自适应数据清理方法的新评估框架。[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 →
