提出ParBaLS批式贝叶斯主动学习方法并开源代码
热点事件观察中
提出ParBaLS批式贝叶斯主动学习方法并开源代码
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Kangping Hu、Stephen Mussmann等研究者将主动学习的贝叶斯决策理论框架扩展到批量EPIG采样，提出Partial Batch Label Sampling（ParBaLS）方法，并公开了代码仓库（https://github.com/ADDAPT-ML/ParBaLS）。 基于论文摘要，作者称在多个数据集和不同标注预算下，使用大模型嵌入上的贝叶斯逻辑回归，ParBaLS EPIG取得较优表现；该结论为作者声称，尚属论文报告阶段。
AI 根据报道生成 · 1 天前更新
最新进展10月14日 12:00
ParBaLS：面向EPIG的部分批量标签采样主动学习方法报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIParBaLS：面向EPIG的部分批量标签采样主动学习方法
研究者将贝叶斯主动学习的贝叶斯决策理论扩展到批量EPIG采样，提出Partial Batch Label Sampling（ParBaLS）。基于论文摘要，作者在多个数据集和不同预算下，使用大模型嵌入与贝叶斯逻辑回归进行实验，报告ParBaLS EPIG取得较优表现；代码地址为 https://github.com/ADDAPT-ML/ParBaLS。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月14日 18:00
- 近 24 小时变化
- -49%
02.557.510
18:0010月15日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。