研究者提出可优化模型平均方法OMA
热点事件持续更新
研究者提出可优化模型平均方法OMA
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
研究者提出可优化模型平均方法 OMA，在冻结全部候选模型参数的前提下，为每个模型学习一个非负标量权重，对预测概率加权平均，从而支持架构不同的模型集成。该方法通过最小化带正则化的预测熵来学习权重，并考察正则化对校准的影响。 研究者称，在部分配置下 OMA 观察到更低的预期校准误差，性能与校准的权衡优于模型输出平均。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
OMA：面向异构模型输出的可优化模型平均集成方法报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.LGOMA：面向异构模型输出的可优化模型平均集成方法
研究者提出 Optimizable Model Averaging（OMA），一种黑盒集成方法，为每个候选模型学习一个非负标量权重，在冻结全部模型参数的前提下对预测概率加权平均，从而支持架构不同的模型集成。该方法通过最小化带正则化的预测熵来学习权重，并考察正则化对校准的影响，在部分配置下观察到更低的预期校准误差，性能与校准的权衡优于模型输出平均。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。