实体
Yao Zhang
Yao Zhang
PulseAugur coverage of Yao Zhang — every cluster mentioning Yao Zhang across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法利用多保真度数据增强分位数回归
研究人员开发了一种新颖的两阶段多保真度分位数回归方法，旨在提高高保真度数据稀缺时分位估计的准确性。该方法利用局部分位数链接，基于在协变量相关水平上评估的低保真度分位数来表示高保真度分位数。这种重新表述旨在通过关注更平滑的水平函数来简化估计过程，并包含一个用于增强鲁棒性的校正步骤。对合成数据和真实世界数据的理论分析和实验结果表明，与仅使用高保真度数据相比，该方法可以实现更快的收敛速度和更精确的分位估计。
-
新方法将人类运动转换为文本以供LLM分析
研究人员开发了一种名为结构化运动描述（SMD）的新方法，该方法将人类运动数据转换为自然语言文本。这种方法通过将关节角度和身体运动学表示为描述性文本，绕过了对专用编码器的需求，从而使大型语言模型（LLM）能够直接处理和推理人类运动。SMD在运动问答和运动描述任务上已展示出最先进的性能，优于以往的方法，并提供了可解释性和与各种LLM兼容性等优势，只需少量调整。
-
新研究提升了公平性和效率的共形预测
研究人员正在改进共形预测（CP）技术，以提高机器学习中的不确定性量化和公平性。FedCF等新方法旨在将CP扩展到联邦学习场景，实现跨不同子群体的公平性审计。其他进展包括用于时间序列中稳健顺序CP的DistMatch，用于高效基于核的条件CP的SpeedCP，以及用于预测集解耦优化的DCO。此外，正在开发ERT等新的诊断方法，以更好地评估条件覆盖率，并且研究正在探索超越程序性保证的实质性公平性。