PLDiv：用持续景观度量数据集多样性与语义坍缩
原文标题：PLDiv: Measuring Dataset Diversity and Semantic Collapse via Persistence Landscapes
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 PLDiv，一种基于持续景观（persistence landscapes）的多样性指标，从几何表示刻画数据集的结构组织，无需任务特定监督即可给出可解释的标量度量。PLDiv 在文本生成与图像嵌入的多样性测量、指令数据与推理轨迹的语义坍缩检测上表现有竞争力，可支持合成数据监控与数据集构建。
- 问题
- 现有多样性指标只刻画词面变化或成对相似度，难以反映数据分布的结构形状与语义冗余。
- 方法
- 用持续景观从几何表示刻画数据邻域随样本连接而演化的结构，输出无需任务监督的可解释标量。
- 结果
- 在文本生成、图像嵌入多样性测量及指令数据、推理轨迹的语义坍缩检测上优于或持平基线，与坍缩标签高度一致。
- 影响
- 可直接用于合成数据监控与数据集构建，及早发现语义坍缩而非只看词面多样性。
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。