新研究质疑谱基础模型如何学习预处理不变性

一篇新发表在arXiv上的论文，以拉曼基础模型为例，质疑了谱基础模型中预处理不变性的测量方法。研究表明，当前方法可能错误地将不变性归因于学习到的参数，而实际上它只是归一化过程本身的结果。研究发现，在六个拉曼评估数据集上，该模型并未显著优于其自身的归一化，这表明声称的不变性可能并非学习而来。在另外两个系统上复制了类似的发现，这表明在各种模态的谱基础模型中，预处理不变性的评估方式存在更广泛的问题。 AI

影响 这项研究可能导致AI模型的评估方法得到修订，确保声称的不变性是真正学到的能力，而不是预处理的产物。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了关于谱基础模型的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• preprocessing invariance
• Raman
• Raman foundation model
• ScienceCast
• spectral foundation models

• 论文
• 模型发布

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