实体
Yilin Zhang
Yilin Zhang
PulseAugur coverage of Yilin Zhang — every cluster mentioning Yilin Zhang across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的 TMUR 方法增强了多视图分类的可靠性
研究人员开发了一种名为“具有统一路由的可信多视图学习”（TMUR）的新方法，以提高多视图分类的可靠性。该方法解决了分类模型中独立训练的视图会产生数值上不可比的不确定性估计，从而导致融合偏差的问题。TMUR 将证据提取与融合仲裁分离，使用由考虑全局上下文的统一路由器管理的视图私有和协作专家。在 14 个数据集上的实验表明，与 15 个近期基线相比，TMUR 在分类性能和可靠性方面均得到了一致提升。
-
研究论文揭示机器翻译质量评估指标中的长度偏差
一篇新的研究论文发现，用于机器翻译的质量评估（QE）指标存在系统性偏差。即使翻译质量很高，这些指标也倾向于过度预测较长翻译中的错误。此外，一些指标偏好较短的翻译，而另一些则偏好较长的翻译，而与实际质量无关。这种长度偏差可能会对数据过滤和系统优化等下游流程产生负面影响。研究人员提出了一种在训练过程中进行长度归一化的技术，以将错误预测与翻译长度分离开来。
-
新的FGR框架改进了分布偏移下的AI模型校准
研究人员开发了一个名为频率感知梯度校正（FGR）的新训练框架，以提高深度神经网络在面对分布偏移时的校准能力。FGR使用低通滤波来减少对虚假高频线索的依赖，鼓励学习更具领域不变性的特征。为了解决分布内校准可能出现的性能下降问题，FGR将此作为硬约束，通过几何投影校正参数更新，以确保性能得到维持。