PulseAugur
中
实时 07:01:40
实体 Retrieval-Augmented Interpretable Learning

Retrieval-Augmented Interpretable Learning

PulseAugur coverage of Retrieval-Augmented Interpretable Learning — every cluster mentioning Retrieval-Augmented Interpretable Learning across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_154227 ·

    新的RAIL框架支持医疗保健的零样本可解释模型

    研究人员推出了一种新颖的概率元学习框架——检索增强可解释学习(RAIL),该框架专为任务特定可解释模型的零样本生成而设计。该框架特别适用于医疗保健应用,能够实现适应性强且透明的临床预测系统。RAIL在零样本设置下实现了73.4%的准确率,并在少样本场景下保持了高性能,提供了用于可靠部署的不确定性量化。