实体
one-inclusion graph
one-inclusion graph
PulseAugur coverage of one-inclusion graph — every cluster mentioning one-inclusion graph across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究通过提高样本效率来推进“相对智能学习”
研究人员推进了“相对智能学习”概念的研究，该概念是指监督学习器旨在匹配从无标签数据中推导出的任何可认证误差保证的性能。新工作表明，ERM 等标准学习器对于二元分类是“相对智能”的，需要样本复杂度呈二次方增长。此外，研究表明半监督学习仅需无标签数据复杂度呈二次方增长即可实现此目标，尽管这种效率是以某些学习算法的可处理性为代价的。
-
新理论将人工智能对齐视为未知奖励下的学习
研究人员开发了一个新的理论框架，用于理解和实现生成模型中的对齐，特别是在奖励函数未知的情况下。该方法将对齐视为一个从弱到强的学习问题，专注于在没有预先存在的奖励估计的情况下从数据中学习。该理论的核心引入了一个名为“对齐维度”的新概念，它决定了一个奖励类别是否可用于对齐目的。提出的学习过程利用普通单包含图算法来比较标签集并建立对齐可学习性的完整表征。