★ 2
arXiv 论文提出数据选择忠实性框架与可扩展算法
该论文指出，传统以最小化总体误差为目标的数据选择在信息论上不可行，除非验证集规模远大于训练集。作者转而提出「忠实性」单边保证，用可估计代理上界衡量子集训练与全量训练的差异，并以 Unadjusted Langevin Algorithm 建模训练过程。论文提出基于交换的局部搜索算法，在 CIFAR…
arXiv cs.LG10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文指出，传统以最小化总体误差为目标的数据选择在信息论上不可行，除非验证集规模远大于训练集。作者转而提出「忠实性」单边保证，用可估计代理上界衡量子集训练与全量训练的差异，并以 Unadjusted Langevin Algorithm 建模训练过程。论文提出基于交换的局部搜索算法，在 CIFAR…