标签
本文提出了一种用于交互式程序归纳的贝叶斯框架,其中语言模型充当程序的先验分布,并由此推导出一种贪心查询选择算法。该算法可证明在经过 O((1/γ) log 1/p⁰(f*)) 次具有信息量的预言机查询后收敛。在 CodeARC 基准测试中,与仅使用语言模型的智能体相比,该框架将准确率最多提高了 22 个百分点,同时所需的输入输出示例最多减少了 10.5 个。
该论文提出了一种以极少标注学习拉丁文学中文本复用的词级解释的方法,结合合成训练样本对与主动学习;在1,490条引用中,仅使用200对已标注样本,联合指针网络就达到了使用全部数据训练时的性能。
该论文刻画了在学习半空间时,无标签数据池何时可以替代成员查询,证明了在边缘分布满足温和的角度假设时,可以达到近乎最优的标签复杂度,并在这些假设不成立时给出了分离结果。
该论文提出将条件泊松抽样作为主动统计推断中泊松抽样的固定样本量替代方案,证明其渐近方差不劣于、且往往优于原方法,同时消除了样本量随机的问题,并发布了一个Python软件包。
该论文提出层级分数后验恢复方法(HSPR),通过结合历史响应模式与自适应任务选择,仅用小子集即可高效估计软件代理在完整基准测试上的分数,在SWE-bench系列任务库上取得最低的平均与最大绝对误差。
该论文提出采集时残差自适应方法,在固定实验预算下保留可复用的基础打分器并学习排名修正,使 20 个测试筛选任务的命中回收率从 22.58% 提升至 28.61%(相对提升 26.7%),并优于多种对照方法。
该论文提出福利感知偏好获取方法(WAPA),在有限人工反馈预算下,通过社会福利目标来分配人工标注,以改善多元对齐中不同个体偏好的监督质量,实验证明仅获取 20% 人工标签即可恢复 75–86% 的效用差距。
SynAct提出一种主动学习框架,通过在重复采样中计算决策与最终结果之间的互信息,将稀缺的专家反馈精准分配到最影响结果的决策点上,并将修正蒸馏为可复用规则,在四个基准、三个模型家族的全部16个设置中平均提升11.7个百分点。
Moonworks 发布 Lunara 论文,提出一种激活参数量低于 10B 的 Diffusion Mixture Transformer 架构,用于图像生成中的艺术智能建模,并在 GPT-5.6 Sol 评测及人工盲评中取得最佳审美质量得分。
微软研究者提出 ActiveSaddler,该方法根据尚未解决的失败模式为智能体 harness 自动调优器选择训练任务,在 GAIA2 上将通过率提升 4.4 个百分点,在 Terminal-Bench 2.0 上提升 7.5 个百分点,同时大幅降低调优成本。
Dyna Robotics 通过结合大规模数据金字塔、专用奖励模型和迭代部署,致力于解决机器人领域的可靠性差距问题,以实现接近完美的任务表现,迈向商业级自主能力。
本文综合了针对生物多样性监测的主动学习研究,关注标签效率,并强调了需要支持验证和可靠生态推断的方法。
本文介绍了Active Continuous-Score Occupancy Modeling,用于优化AI辅助生物多样性调查中机器学习标签的审核资源分配,从而提升占用模型的准确性。
本文介绍Helix-FNO,这是一种教师-学生架构,将高保真机理模型与傅里叶神经算子耦合,以学习解算子,用于过程工程中的快速代理模拟,实现毫秒级推理时间。
本文介绍 HACK GPs,这是一种使用专家建议在线学习的方法,用于高斯过程中的核选择,增强在序贯决策任务(如贝叶斯优化和主动学习)中的鲁棒性。
本文提出了一种用于不确定性下多目标优化的贝叶斯决策框架,强调利用高斯过程和主动学习策略进行期望超体积最大化。
本技术说明介绍了一种用于优化关键材料回收的决策导向主动学习方法,表明在自动化实验室工作流中,自适应策略能够以比非自适应方法更少的实验实现最大富集。
本文提出了Scout,一个用于动态网络预算任务感知获取的框架,该框架学习根据下游任务价值优先更新图信息,在多个基准测试中表现出优于现有方法的性能。
本文提出HybridAL,一种主动学习方法,通过稳定信号动态切换重训练与微调,从而提升文本分类任务的效率与性能。
DE-Venus 是一个统一的框架,用于大型语言模型中的数据高效RLVR,在保持性能的同时降低标注和训练成本。