MetaJoin：无标签自适应连接选择框架发布

Ning Wang 与 Sainyam Galhotra 发表论文提出 MetaJoin，一个无需标签的自适应连接选择框架：先依据输入证据选择初始专家方法，再根据该专家特有的输出证据决定结果是保留、与替代方案对比、升级还是修复。论文同时提出 MNN Join 变换专家。 作者称，在来自六个基准的 670 个数据集上，MetaJoin 取得 0.817 的 macro row-F1，略高于基准级 oracle 的 0.812，并比同类无标签选择策略高出 0.13 以上；在四个以变换为主的基准共 609 个数据集上，MNN Join 优于所有被评估的变换基线。作者还称，控制器骨干从 3B 扩展到 14B 参数时，MetaJoin 准确率仅波动 0.015。这些均为论文中的报告结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。