论文：样本价值取决于目标学习器而非数据
原文标题：Useful to Whom? Sample Value Is Defined Only Relative to the Learner
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文通过冻结已选子集、仅改变训练学习器的受控实验，研究核心集选择中易样本优先与几何覆盖策略的交叉边界是否固定。在低分辨率 ImageNet-100 上，将 ResNet-18 宽度翻倍使交叉点从每类 57 个样本移到 85 个，说明学习器改变了同样样本的相对价值。将卷积系统换成 ViT 后，覆盖策略在整个测量范围内占优，表明选择策略的预算区间必须针对目标学习器评估。
- 问题
- 核心集选择中易样本优先与几何覆盖策略的交叉边界是否固定。
- 方法
- 冻结已选子集、仅改变训练学习器的受控实验，考察宽度、输入网格与架构对边界的影响。
- 结果
- ResNet-18宽度翻倍使交叉点从每类57个样本移到85个；换ViT后覆盖策略全程占优。
- 影响
- 说明选择策略的预算区间必须针对目标学习器评估，不能跨模型直接复用。
深读 · 结论先行AI 生成展开看要点与影响 ↓
受控实验显示核心集选择策略的交叉边界随目标学习器变化，ResNet-18宽度翻倍使交叉点从每类57移到85样本。
- •冻结已选子集、只改训练学习器，在低分辨率ImageNet-100上做受控干预
- •ResNet-18宽度翻倍把易样本优先与几何覆盖的交叉点从每类57个样本移到85个
- •扩大输入网格但保留相同图像信息使边界左移，该效应随宽度增大而减弱；仅去掉最后一个下采样步幅即可复现左移
- •换成ViT后覆盖策略在整个测量范围内占优，即使易样本子集来自卷积代理
- •原生224px ImageNet-1k协议下宽度效应更小且依赖探针：LFrac近乎平坦，EL2N小幅右移
为什么重要：说明核心集选择策略的预算区间必须针对目标学习器评估，直接套用他人结论可能选错策略。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。