Chen Yang
PulseAugur coverage of Chen Yang — every cluster mentioning Chen Yang across labs, papers, and developer communities, ranked by signal.
-
新的易损性指数指标评估AI分类风险
研究人员引入了易损性指数(FI),这是一个旨在从风险规避角度评估分类模型的新指标。与准确率或AUC等传统指标不同,FI量化了与自信误判相关的风险,这对于安全关键型应用至关重要。提出的框架包括一种可处理的基于代理的训练方法,并将训练易损性与排名误差FI联系起来,实证结果表明在医学诊断任务中具有竞争力的性能和更低的操作成本。
-
新的DRIK框架通过无泄漏评估改进了归纳克里金
研究人员推出了一种新颖的分布鲁棒归纳克里金(DRIK)框架,旨在提高从稀疏传感器数据估计未观测位置值的准确性。该新方法采用了一种无泄漏评估协议,严格区分了空间和时间上的训练、验证和测试域。DRIK包含三个关键机制:空间连续性正则化,以减少对离散化图的依赖;掩码流消歧,以修剪来自掩码节点的模糊传播;以及结构域扩展,以减轻训练-推理结构不匹配。在六个数据集上的实验表明,DRIK显著优于现有方法,平均绝对误差最多可降低12.48%,并显示出…
-
新基准和框架改进了 LLM 对业务规则的提取
研究人员推出了 BREX,这是一个新的基准和框架,旨在改进从复杂业务文档中提取结构化程序化知识。该基准包含来自 30 多个领域的 409 份真实文档和 2,855 条专家标注规则。配套的 ExIde 框架探索了各种提示策略,发现可执行接地和推理优化模型在准确建模规则依赖关系和逻辑方面更胜一筹。
-
新基准揭示视觉语言模型(VLM)的空间推理局限性
研究人员推出了一项名为SSI-Bench的新基准,旨在评估视觉语言模型(VLM)在复杂、受约束环境中的空间智能。该基准包含1000个排序问题,侧重于现实世界3D结构中的几何和拓扑推理,要求模型解决复杂的空间关系。目前,VLM的表现与人类相比存在显著差距,最佳模型的准确率仅为33.6%,这表明其空间理解能力存在根本性局限。