MLCommons 科学工作组提交了关于云掩膜基准测试的研究报告，其中包括对基准试验进行了早停机制的改进，并在 NYU HPC 上获得了最高的准确度和平均训练与推断时间。

Dec, 2023

通过总结云遮罩领域的正在进行的研究活动，特别是 MLCommons 科学工作组目前进行的研究和基准测试，希望为其他人更容易地开始并协作进行与 MLCommons 云遮罩基准测试相关的工作。

Dec, 2023

本篇论文通过 MIMIC-III 数据集进行临床预测任务（如死亡率预测、住院时间预测以及 ICD-9 编码分组预测）的基准测试，结果表明，相较于基于机器学习模型和预测评分系统，深度学习模型在使用原始临床时间序列数据作为输入特征时有更好的表现。

Oct, 2017

本研究介绍了一种名为 UniMASK 的框架，利用序列掩蔽的方式，提供了一种统一的方式来指定可以用于多种不同序列决策任务的模型。经过微调后，我们的 UniMASK 模型能够在许多任务上表现非常好，甚至比单任务模型表现更好。

Nov, 2022

本研究针对戴口罩的情况下进行深度人脸识别的挑战，收集不同群体的测试集，建立了一套在线模型测试系统并持续更新排名和研究成果。

Aug, 2021

该研究介绍了一个名为 “YAIB” 的模块化框架，旨在为医疗保健机器学习领域定义可重复和可比较的实验，支持大部分开放获取的重症监护病房数据集，并为多个机器学习和深度学习模型提供透明的预处理管道和可扩展的训练代码。通过这个框架，作者发现数据集、分类定义和预处理工具对模型预测性能有着重要影响。

Jun, 2023

COVID-19 疫情期间，佩戴口罩给基于深度学习的人脸识别算法带来了巨大的挑战。本文在 ICCV MFR WebFace260M 和 InsightFace 非约束场景两个赛道中提出了解决方案，关注了规模庞大的口罩人脸识别中的四个挑战，即超大规模训练、数据噪声处理、口罩和非口罩人脸识别准确性平衡以及如何设计易于推理的模型架构。我们希望本文对这四个方面的讨论能够指导未来研究朝着更强大的口罩人脸识别系统发展。

Oct, 2023

该研究提出了利用来自公开可用的激痛医学信息库（MIMIC-III）数据集的四个临床预测基准，旨在解决机器学习在医疗保健研究中缺乏公开可用基准数据集的问题。

Mar, 2017

我们展示了 MaskSearch，这是一个用于加速机器学习模型生成的图像掩码数据库的查询的系统。MaskSearch 通过掩码属性形式化和加速了一类新的查询，用于根据掩码属性检索图像及其对应的掩码，支持从识别模型学习到的虚假相关性到探索模型显著性和人类注意力之间的差异等各种应用。

Apr, 2024

HPC 系统性能基准测试中发现，使用机器学习模型对使用 GPU 加速节点进行材料分割分析时，Onyx 和 Vulcanite 两个 ERDC DSRC 系统的表现存在差异，Onyx 在各项测试中的模型时间保持一致，而 Vulcanite 在大多数基准测试中速度较快，但也受环境因素影响导致部分性能较慢。

Jul, 2023