提出ParBaLS批量主动学习方法
热点事件持续更新
提出ParBaLS批量主动学习方法
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 发布研究，作者 Kangping Hu、Stephen Mussmann 提出 Partial Batch Label Sampling（ParBaLS），将主动学习的贝叶斯决策理论框架扩展到 EPIG 算法，以解决批量场景下 BatchBALD 计算困难、top-B 选择性能骤降的问题。实验表明，ParBaLS EPIG 在多种数据集和不同预算下，配合基于大预训练模型嵌入的贝叶斯逻辑回归，取得更优性能。研究称代码已公开。目前该事件仅有这一篇主报道，尚无后续跟进报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
基于部分批次标签采样的批量贝叶斯主动学习报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial Intelligence基于部分批次标签采样的批量贝叶斯主动学习
研究提出 Partial Batch Label Sampling（ParBaLS），将主动学习的贝叶斯决策理论框架扩展到 EPIG 算法，以解决批量场景下 BatchBALD 计算困难、top-B 选择性能骤降的问题。实验表明，ParBaLS EPIG 在多种数据集和不同预算下，配合基于大预训练模型嵌入的贝叶斯逻辑回归，取得更优性能。代码已公开。
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。