Yuhang Liu

MetaRank框架自动化AI模型可迁移性指标选择

研究人员开发了MetaRank，一个新颖的元学习框架，旨在自动选择最有效的指标来估计模型的可迁移性。该方法解决了现有指标在不同目标数据集上表现不一致的挑战。MetaRank采用两阶段过程：首先，它根据在相似数据集上的表现检索相关指标子集，然后通过分析它们引起的成对排序来重新排序这些指标。在大量模型、指标和数据集上的实验表明，MetaRank在指导源模型选择方面显著优于传统基线。