arXiv：两级 Softmax 采样偏差校正新方法
热点事件持续更新
arXiv：两级 Softmax 采样偏差校正新方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Walid Bendada 与 Guillaume Salha-Galvan 提交论文，提出 S-2LS 和 SD-2LS 两种采样方法，用于校正两级 Softmax（2LS）采样因忽略簇规模失衡和簇内相似度分散度而产生的系统性偏差。作者称这两种方法能可证明地给出更优的 softmax 近似，计算开销可忽略甚至不存在。 在五个大规模数据集上的实验验证了改进的采样性质，作者建议未来工作统一用其替代标准 2LS。该成果已被 NeurIPS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
两级 Softmax 采样修正：S-2LS 与 SD-2LS 消除规模失衡与分散度偏差报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LG两级 Softmax 采样修正：S-2LS 与 SD-2LS 消除规模失衡与分散度偏差
针对两级 Softmax（2LS）采样因忽略簇规模失衡和簇内相似度分散度而引入的系统性偏差，研究者提出 S-2LS 和 SD-2LS 两种采样方法，可证明地给出更优的 softmax 近似且计算开销可忽略。在五个大规模数据集上的实验验证了改进的采样性质，作者建议未来工作统一用其替代标准 2LS。该成果已被 NeurIPS 2026 接收。
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。