研究者提出 ParBaLS 批量主动学习方法
热点事件持续更新
研究者提出 ParBaLS 批量主动学习方法
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
研究者 Kangping Hu 与 Stephen Mussmann 将主动学习的贝叶斯决策理论框架扩展到批量场景，为 EPIG 算法提出部分批次标签采样方法 ParBaLS，用于批量贝叶斯主动学习。 研究者称，实验在基于大预训练模型嵌入的贝叶斯逻辑回归上进行，ParBaLS EPIG 在多种数据集和不同预算下均取得更优性能，代码已开源。
AI 根据报道生成 · 59 分钟前更新
最新进展10月15日 12:00
基于部分批次标签采样的批量贝叶斯主动学习（ParBaLS EPIG）报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AI基于部分批次标签采样的批量贝叶斯主动学习（ParBaLS EPIG）
研究者将主动学习的贝叶斯决策理论框架扩展至批量场景，为 EPIG 算法提出部分批次标签采样方法 ParBaLS。实验表明，在基于大预训练模型嵌入的贝叶斯逻辑回归上，ParBaLS EPIG 在多种数据集和不同预算下均取得更优性能，代码已开源。
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。