关键词worst-group loss minimization
搜索结果 - 2
- 偏见放大提升少数群体表现
基于引入可学习的辅助变量的 BAM 算法通过扩大偏差,训练模型并在重新加权数据集上继续训练,从而在计算机视觉和自然语言处理的虚假相关基准测试中取得了竞争性的性能,同时发现基于最小类别准确率差异的简单停止准则可以消除对群组注释的需求,或者在最 - ICLR扩散虚假属性:通过虚假属性估计提高最差组准确性
本文提出了一种名为 SSA 的伪属性增强算法,通过利用带有和不带有虚假属性注释的样本来预测虚假属性并最小化最差组损失来实现对噪声数据的高效识别和分类,同时证明了 SSA 算法比使用相同数量样本的基线方法更为有效,并可达到使用更小数量标注样本