Apple Inc. 的研究人员开发了一个新的机器学习模型评估框架,特别是针对大型基础模型,而无需假设测试数据是从训练中预留的。这种方法解决了在测试样本可能在训练期间被使用时评估黑盒模型的挑战,提供了一种评估准确性、安全性和公平性的方法。研究表明,如果数据分布接近小支持集,则此类评估是可行的,并且有限的查询访问可以增强评估能力。 AI
影响 这项研究通过改进对可能重叠数据训练的模型的评估方法,可能带来更强大、更值得信赖的AI系统。
排序理由 该集群包含一家主要科技公司机器学习研究部门的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Apple Machine Learning Research 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →