提出多源双层数据选择概率松弛方法ReSGD

针对多源双层数据选择问题，研究者提出一种新的概率松弛方法，引入多个可学习类别先验来参数化仅在可行数据子集上支撑的概率分布，从而自然获得无损舍入方案。该方法给出有效的两点梯度估计器，可同时避免现有 0-1 松弛所需的逆 Hessian 计算和先验概率松弛中的无界分数项，并设计了可约简表示以减少梯度计算所需的下层重训练次数。

摘自 arXiv：cs.AI

还没有足够的连续观测数据，暂不绘制趋势。