研究人员推出了一种名为BagShift的新协议，旨在衡量补丁选择的变化如何影响全切片多实例学习（MIL）模型所观察到的证据。该方法将选择器的影响与病例组合的变化分离开来。在PANDA和CAMELYON16数据集上的实验表明，即使在相同的计算预算下，不同的补丁选择策略也会向模型展示显著不同的证据，导致二次加权kappa等性能指标大幅下降。研究结果表明，补丁数量本身并不决定观察到的证据，部署评估应同时报告保留的证据和聚合方法。 AI
影响 强调了补丁选择在MIL模型中的关键作用，并暗示AI部署中需要更稳健的评估方法。
排序理由 该集群包含一篇详细介绍新协议和实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
