★ 3
18600 次实验揭示深度学习性能分布与尾部风险差异
研究对图像分类与时间序列预测架构开展 186 组实验、每组 100 个随机种子共 18,600 次运行，量化性能分布的离散度、对称性与尾部风险。结果显示性能分布常非高斯，时间序列模型的欠佳离群点约为图像分类的三倍，平均性能无法预测鲁棒性。作者建议模型选择应评估分布而非仅看均值。
arXiv cs.LG3 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究对图像分类与时间序列预测架构开展 186 组实验、每组 100 个随机种子共 18,600 次运行，量化性能分布的离散度、对称性与尾部风险。结果显示性能分布常非高斯，时间序列模型的欠佳离群点约为图像分类的三倍，平均性能无法预测鲁棒性。作者建议模型选择应评估分布而非仅看均值。