arXiv · cs.AI· Mario Koddenbrock, Christoph Lange, Robin Legner, Martin J\"ager, Martin K\"ogler, Mariano N. Cruz Bournazou, Peter Neubauer, Felix Biessmann, Erik Rodner·· 1 天前
RamanBench：面向拉曼光谱机器学习的大规模基准
RamanBench: A Large-Scale Benchmark for Machine Learning on Raman Spectroscopy
arXiv:2605.02003v3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：Mario Koddenbrock, Christoph Lange, Robin Legner, Martin J\"ager, Martin K\"ogler, Mariano N. Cruz Bournazou, Peter Neubauer, Felix Biessmann, Erik Rodner
期刊信息（来源提供）：NeurIPS 2026
研究任务与主要进展
研究作者推出 RamanBench，一个面向拉曼光谱机器学习的大规模、完全可复现基准，统一了74个数据集、325,668条光谱、分类与回归任务及标准化评估协议，并提供代码和实时排行榜。基于论文摘要，28个模型的评测显示，表格基础模型整体优于领域专用模型和梯度提升基线，时间序列模型仍具竞争力，但没有方法能够跨数据集泛化；具体实验细节仍需阅读全文核对。
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