研究者提出SKS模型实现跨样本模态归因
热点事件持续更新
研究者提出SKS模型实现跨样本模态归因
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Ziniu Zhang等研究者提出结构化核代理模型SKS及配套梯度估计算法，用于衡量一个样本的某一模态如何影响其他多模态样本的学习结果。该方法用结构化组合核在样本与模态的选择状态上做核岭回归，实现跨样本、跨模态的归因。 据作者报告，在两个多模态基准上，SKS与真实预测结果的相关性比现有方法高57.8%，下游数据选择平均准确率提升1.93%。用SKS筛选卫星图像时，模型会挑出事故常发路段而非背景图像，且用所选数据训练的模型Hessian迹更低、损失面更平坦。
AI 根据报道生成 · 44 分钟前更新
最新进展11月11日 13:00
结构化核代理模型 SKS 实现跨样本多模态归因报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AI结构化核代理模型 SKS 实现跨样本多模态归因
研究者提出结构化核代理模型与 SKS 算法，用结构化组合核在样本与模态的选择状态上做核岭回归，衡量一个样本的某模态如何影响其他多模态样本的学习结果。在两个多模态基准上，SKS 与真实预测结果的相关性比现有方法高 57.8%，下游数据选择平均准确率提升 1.93%。用 SKS 筛选卫星图像时，模型会挑出事故常发路段而非背景图像，且所选数据训练的模型 Hessian 迹更低、损失面更平坦。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。