PulseAugur
中
实时 05:05:46
English(EN) Marformer: A Transformer for Predicting Missing Data Distributions

Marformer Transformer 预测缺失数据分布

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Marformer，一种旨在预测缺失数据分布的新型Transformer模型。与旨在捕获整个联合分布的生成模型不同，Marformer专注于直接从观测值预测条件边缘分布。这种方法可以在单次前向传播中实现更快的预测，并且不需要预先了解数据生成过程。在包括贝叶斯网络和多元高斯分布在内的合成数据集上的评估表明，Marformer即使在经典方法能够访问真实数据生成模型的情况下，也能与之匹敌或超越。该模型在真实世界标注数据集上的表现也更优，并且比生成基线模型速度更快。 AI

影响 这项研究引入了一种更有效的方法来处理不完整数据，有可能改进那些处理部分信息的AI系统。

排序理由 该集群描述了一篇详细介绍特定机器学习任务新模型架构的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

Marformer Transformer 预测缺失数据分布

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了一篇详细介绍特定机器学习任务新模型架构的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
3 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Prabhav Singh, Xiheng Tom Wang, Haojun Shi, Jason Eisner ·

    Marformer：用于预测缺失数据分布的Transformer

    arXiv:2610.12379v1 Announce Type: new Abstract: Real decisions are made under incomplete information. If we observe only some of the random variables we need, we can predict the others. The \textbf{conditional marginals} over the missing variables are the key ingredient for compu…

相关实体

相关话题