研究：训练样本的“有用性”取决于学习器，而非样本本身

一项选择实验发现，简单样本在小预算下胜出、覆盖样本在大预算下胜出，而两者胜负翻转的交叉点由学习器决定而非数据。在低分辨率 ImageNet-100 上，ResNet-18 宽度翻倍使交叉点从每类 57 个样本移至 85 个；输入从 32 像素增至 64 像素则使其从 85 回到 57。在 Vision Transformer 上，覆盖样本在所有测量预算下均胜出。