研究人员推出了一种新颖的 COVE 方法,用于控制基于嵌入的验证系统中的错误接受率。与使用所有冒充者对校准阈值的传统方法不同,COVE 通过增强校准集形成的所有可能对来对试用对进行排名。该方法为边际错误接受率提供了理论保证,确保其保持在指定范围内。COVE 在多个基准测试和编码器上展示了持续的性能,通常在其他方法失败时仍能保持较高的真实接受率。 AI
影响 提高了验证系统的准确性和可靠性,可能影响身份管理和安全等领域。
排序理由 该集群包含一篇详细介绍基于嵌入的验证新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- COVE
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →