研究者提出DiSPaT自博弈微调框架用于表格异常检测
热点事件观察中
研究者提出DiSPaT自博弈微调框架用于表格异常检测
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Hoang Tran Vuong 等作者提出 DiSPaT,一个基于 f-divergence 最小化的自博弈微调框架,目标是提升大语言模型对表格数据中正常样本分布的刻画能力,用于表格异常检测。 该方法采用交替优化:当前策略生成合成样本作为伪异常,critic 判别器学习区分这些合成样本与真实正常样本,该判别信号再驱动策略更新,使模型逐步对齐真实正常数据分布。作者称该框架能加强模型对正常数据的理解。
AI 根据报道生成 · 1 天前更新
最新进展11月16日 13:00
DiSPaT:基于 f-Divergence 自博弈微调的 LLM 表格异常检测框架报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.CLDiSPaT:基于 f-Divergence 自博弈微调的 LLM 表格异常检测框架
研究者提出 DiSPaT,一个基于 f-divergence 最小化的自博弈微调框架,用于提升大语言模型对表格数据中正常样本分布的刻画能力。该方法通过交替优化:当前策略生成合成样本作为伪异常,critic 判别器学习区分其与真实正常样本,该信号驱动策略更新逐步对齐真实正常数据分布。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 811月16日 22:00
- 近 24 小时变化
- -51%
02468
11月17日06:0012:0018:0011月18日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。