data set
PulseAugur coverage of data set — every cluster mentioning data set across labs, papers, and developer communities, ranked by signal.
-
新的 MobenFL 基准评估用于医学影像的联邦学习
研究人员开发了 MobenFL，一个旨在评估医学影像联邦学习算法的新基准。该基准通过整合 20 种最先进的算法和涵盖 12 个器官的 22 个多样化数据集，解决了现有系统的局限性。MobenFL 超越了简单的准确性评估，在涉及不同疾病、设备和成像模态的各种临床场景中评估算法效率和隐私保护能力。
-
新的PORTS方法提高了LLM工具选择的准确性
研究人员开发了PORTS，一种用于训练检索器以更好地为大语言模型（LLM）选择工具的新方法。现有的检索器由于训练过程分离，常常与LLM不匹配。PORTS使用带有冻结LLM的偏好优化技术来微调检索器，通过将选择概率与下游性能相关联来提高其查找有用工具的能力。这种方法在各种数据集和LLM上都显著提高了工具选择的准确性，计算需求低，并且具有良好的泛化能力，适用于实际应用。
-
产学研AI合作产出更具新颖性的论文
一项新近发表在arXiv上的研究，探讨了研究团队的制度背景如何影响自然语言处理领域学术论文的新颖性。该研究将作者团队分为学术、产业和混合学术-产业组，并分析了论文中的细粒度知识实体，如方法、数据集、工具和指标。研究结果表明，学术机构与产业机构之间的合作比纯产业合作更能产生新颖的论文。此外，混合团队侧重于方法-指标的新颖性，而产业团队则优先考虑方法-工具的新颖性。
-
揭示一种新的单类分类模型元分类方法
研究人员开发了一种新颖的单类分类（OCC）模型元分类方法，将它们视为正常性排序。该方法利用最近邻和排序相关性度量，根据训练数据集、算法和超参数对 OCC 模型进行分类。所提出的技术在分类模型时，尤其是在按数据集分类模型时，表现出高准确性，并为分类 OCC 模型、数据集和排序提供了一个统一的解决方案。