研究者提出鲁棒监督学习统一框架

Jonas Hanselle 等作者提出一个统一框架，把分布鲁棒优化、邻域风险最小化、Mixup 和标签平滑等鲁棒监督学习方法沿明确的设计轴组织起来，并给出可训练的流程，使这些方法之间的关系与组合方式在同一套表述中显式呈现。 在视觉与奖励建模任务上，作者称最优的鲁棒方法取决于具体任务、目标指标和验证数据，而恰当选择的组合往往优于最佳单一方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。