ood performance | BriefGPT - AI 论文速递

关键词ood performance

搜索结果 - 8

通过线上协议预测基础模型的性能
通过构建多样性的集合，我们可以利用基于线上一致性的方法以高精度预测基础模型的 OOD 性能。
PDF3 months ago
Wild-Tab：表格回归的超出分布泛化性能基准
通过 Wild-Tab，一个面向表格回归任务的大规模基准测试集，我们在实际环境中评估了 10 种不同的 out-of-distribution generalization 方法，发现 Empirical Risk Minimization
PDF7 months ago
虚假特征多样化提高离域泛化
通过理论分析和实证研究，我们发现在处理超越分布数据的机器学习任务中，利用多样的偶然特征进行加权模型集成可以显著提高整体的超越分布泛化性能，而不同于传统观点所认为的学习不变特征的方法。此外，我们提出了一种名为 BAlaNced averaGi
PDF9 months ago
神经图像压缩：泛化、鲁棒性和频谱偏差
本文提供了一种综合测试套件，用于评估图像压缩方法的视角外 (OOD) 性能，并提出了基于频谱的检查工具，揭示了压缩方法的错误并深入探讨了它们以及数据的频谱特性对 OOD 性能的依赖性。
PDFa year ago
排名与重新加权改善组分布鲁棒性
本文提出了一种基于 Discounted Cumulative Gain（DCG）评估模型质量的方法，并建议了 Discounted Rank Upweighting（DRU）训练方法以提高模型的品质，在实验中结果表明，这种基于组排名的训练
PDFa year ago
XMD: 一种端到端的交互式基于解释的自然语言处理模型调试框架
本研究提出 XMD：一种针对语言模型错误偏见的开源、端到端模型解释和调试框架。该框架可在线反馈用户的反馈，从而优化模型表现，提高其在文本分类任务中的 OOD 性能高达 18％。
PDF2 years ago
ECCV预测并非理解：识别和解决机器学习中的不完备性
提出了一种使用独立性约束和数据流形对机器学习模型进行优化，以发现远离分布数据和具有良好预测性能的模型的方法，并讨论了模型选择的相关问题。
PDF2 years ago
学习因果不变表示以实现图上的跨分布泛化
该研究提出了一种新的框架，Causality Inspired Invariant Graph LeArning (CIGA)，通过使用因果模型来确定图表上的潜在分布偏移，从而捕获图表的不变性，以在各种分布偏移下保证 OOD 泛化性能。
PDF2 years ago