研究人员开发了一种用于上下文线性优化的新型主动学习方法,引入了一种标签获取算法,该算法智能地选择请求标签的特征样本。该方法以智能预测-优化(SPO)损失为指导,并使用退化距离作为基于边距的标准。与传统的监督学习相比,该方法旨在用更少的标签实现可比的过量总体风险,并可能应用于个性化定价和最短路径问题。 AI
影响 引入了一种更有效的训练优化模型的方法,可能改进个性化定价等应用。
排序理由 这是一篇研究论文,详细介绍了一种用于优化问题的主动学习新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Litmaps
- Mo Liu
- ScienceCast
- scite Smart Citations
- Smart Predict-then-Optimize (SPO) loss
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →