JevForest预算化特征获取方法发布

Yu Yan 在 arXiv 发布 JevForest 特征获取方法研究：该方法聚合自助采样树的路径提议，按全局训练信息增益加权，用共享掩码分类器在有限观测预算下从已获取特征进行预测。 在 AG News 小样本任务上，JevForest 获取准确率为 0.729，高于静态增益排序的 0.667 和随机排序的 0.583；但在 TREC 任务上顺序反转，JevForest 为 0.667，低于静态增益排序的 0.750 和随机排序的 0.833。 论文称这些探索性结果只建立了可用的 Jev 获取流程，并不支持路径投票具有普遍优势：其价值取决于任务、预测器，以及问题预算与实际查询成本之间的区别。

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。