arXiv · cs.AI· Robert Bain, Marjan Rashidi, Elizabeth Chrastil·· 3 小时前
成对学习提升深度神经网络的数据效率
Pairwise Learning Increases Data Efficiency in Deep Neural Networks
arXiv:2610.27669v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Robert Bain, Marjan Rashidi, Elizabeth Chrastil
研究任务与主要进展
研究作者提出成对比较学习框架，将回归任务转化为聚合后的相对排序，并在不同模型架构和数据集规模上改善数据效率。基于论文摘要，该方法在UTKFace数据集上生成超过10亿个训练比较，使从头训练的轻量ResNet10取得3.64-year MAE；在STL10使用500至2000个标注样本进行分类时，相比相同的10-way交叉熵模型，准确率最高提升5.2%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org