实体
DISCERN
DISCERN
PulseAugur coverage of DISCERN — every cluster mentioning DISCERN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的DISCERN方法增强了增量机器学习的稳定性
研究人员开发了DISCERN，一种新颖的增量机器学习方法，解决了从训练模型中顺序删除数据类的挑战，同时不损害先前遗忘的信息或剩余类的完整性。DISCERN利用从每类参数化分布中采样的合成嵌入，在拟合各种潜在几何形状方面提供了灵活性，特别是对于Transformer架构。在MNIST、CIFAR-10和CIFAR-100等数据集上的评估表明，DISCERN在同时遗忘方面具有竞争力，在增量场景中具有卓越的稳定性，显著减少了遗忘类的重新出现。
-
新的DISCERN基准显示AI代理缺乏科学推理能力
一个名为DISCERN的新基准已被开发出来，用于评估AI代理作为科学家的能力，评估其在数据完整性、分析验证和假设生成方面的能力。虽然代理在基本数据审查方面表现良好，但在生成基于证据的新颖假设等更复杂的任务方面却遇到困难，尤其是在面对冲突信息或对抗性审查时。该基准强调，尽管当前的AI代理在计算任务中显示出潜力，但尚未具备自主科学协助所需的可靠推理和发现技能。
-
新协议以零标签认证 AI 模型更新
研究人员开发了 DISCERN，一种用于审计模型更新以防止回归的新颖两层协议。该系统使用零标签层通过分析模型产生分歧的输入流量来认证良性更新，并使用审计层仅标记这些分歧中的一部分。该方法在重放审计流方面表现出高准确性和功效，其中很大一部分良性更新无需任何标签即可获得认证。