★ 2
CGSD 方法分解训练数据过滤中的选择与重分布
论文提出反事实门控-支撑分解（CGSD），用四臂预算匹配设计将数据质量门控效应拆分为支撑内选择、支撑间重分布及交互项。在韩英、韩日检索任务中，仅支撑内选择分量显著超过零假设带，且该结论在模型置信度阈值门控上同样成立。该方法可避免将支撑重分布误读为样本级门控质量。
arXiv cs.LG18 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出反事实门控-支撑分解（CGSD），用四臂预算匹配设计将数据质量门控效应拆分为支撑内选择、支撑间重分布及交互项。在韩英、韩日检索任务中，仅支撑内选择分量显著超过零假设带，且该结论在模型置信度阈值门控上同样成立。该方法可避免将支撑重分布误读为样本级门控质量。