热点事件观察中
熵最优传输用于低预算主动学习
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布一项研究，提出用熵最优传输中的 Sinkhorn 散度作为 coreset 选择准则，在预训练自监督模型提取的特征空间中直接进行低预算主动学习。该方法可获得与维度无关的样本复杂度结果，并支持高效梯度计算，配合基于交换的局部搜索快速求解。在图像基准和医学数据集上，其低预算表现优于现有启发式方法。
AI 根据报道生成 · 13 小时前更新
最新进展10月3日 12:00
研究者提出以 Sinkhorn 散度为准则的低预算主动学习新方法，在图像与医学数据集上优于现有启发式方法。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）基于熵最优传输的低预算主动学习
研究者提出用熵最优传输中的 Sinkhorn 散度作为 coreset 选择准则，在预训练自监督模型提取的特征空间中直接进行低预算主动学习。该方法可获得与维度无关的样本复杂度结果，并支持高效梯度计算，配合基于交换的局部搜索快速求解。在图像基准和医学数据集上，其低预算表现优于现有启发式方法。
本事件热度走势
当前热度 5·可比范围峰值 7（10月4日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。