研究者提出抗污染的数据获取检验框架

Martin V. Vejling 等研究者提出一种免分布假设、感知数据污染的数据获取框架，通过仅检查少量数据，识别哪些外部数据智能体的数据对模型个性化最有价值。 该框架引入保形数据污染检验，称在任意污染水平下保持有效性；其中 Storey 型检验可通过 Benjamini-Hochberg 过程在有限样本下控制错误发现率。研究者在多种协作学习场景中实验，报告了方法的稳健性与有效性。 上述结论来自作者在 arXiv 论文中的自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。