adaptive-sampling

标签

Cards List
#adaptive-sampling

先减半后贪心:面向后验成功率的自适应采样,具有近乎最优的实例依赖性

arXiv cs.LG ↗ · 2026-10-16 缓存

论文提出 Halve-Then-Greedy(HTG)算法,用于固定预算下的自适应实验设计,以最大化推荐设计均值超过目标的后验概率,并证明了近最优的实例相关样本复杂度界。

0 人收藏 0 人点赞
#adaptive-sampling

面向金属增材制造中可泛化PINN的领域自适应采样:基于条件流匹配

arXiv cs.LG ↗ · 2026-10-08 缓存

本文提出了一种用于金属增材制造中PINN的领域自适应采样框架,利用条件Flow Matching模型对高残差配点区域进行定向采样,在相同配点预算下,相对L2误差相较最先进基线平均降低62.1%。

0 人收藏 0 人点赞
#adaptive-sampling

通过自适应覆盖与聚焦采样实现高效神经场学习

arXiv cs.LG ↗ · 2026-10-05 缓存

本文提出了 ACES(自适应覆盖感知高效采样)框架,这是一种用于隐式神经表示的结构化采样方法。该框架通过自适应空间划分将区域覆盖与重要性加权解耦,从而在科学场学习任务上实现更快的收敛速度和更低的误差。

0 人收藏 0 人点赞
#adaptive-sampling

面向多路径 LLM 推理的分集合并方法

arXiv cs.AI ↗ · 2026-10-01 缓存

本文将多路径 LLM 推理形式化为无线通信中的分集合并问题,分析了路径正确性相关性对多数投票有效样本量的上限,并在 5 个模型和 12 个基准上验证了提示模板分集可降低路径相关性;同时提出了基于四路径试点的 Adaptive-K 规则来选择最优采样数。

0 人收藏 0 人点赞
#adaptive-sampling

熵可流动,亦可引导。成为熵。LEDFlow:在均匀离散流中引入熵引导的生成顺序

arXiv cs.LG ↗ · 2026-09-23 缓存

本文介绍了LEDFlow,一种用于均匀离散流的熵引导采样器,它通过基于局部熵自适应地排序预测来提高生成准确性,在推理、图像生成和多模态任务上取得提升。

0 人收藏 0 人点赞
#adaptive-sampling

通过Never Giving Up学习解决RL中LLMs的难题

arXiv cs.LG ↗ · 2026-09-15 缓存

本文识别了大语言模型强化学习中的马太效应,即简单问题比困难问题提升更多,并引入了Never Give Up (NGU),一种自适应采样方法,用于分配更多计算资源给困难问题,在数学和编码基准测试中展示了性能提升。

0 人收藏 0 人点赞
#adaptive-sampling

基于水平集成本感知贝叶斯优化的灾后快速损伤评估自适应采样

arXiv cs.LG ↗ · 2026-08-05 缓存

本文提出了一种结合水平集估计的成本感知贝叶斯优化框架,用于引导无人机进行快速灾后损伤评估,在最小化运营成本的同时降低不确定性。

0 人收藏 0 人点赞
#adaptive-sampling

CuBAS:基于信息几何曲率的监督分类自适应采样方法

arXiv cs.LG ↗ · 2026-07-07 缓存

介绍CuBAS,一种用于监督分类中自适应数据选择的信息几何框架,利用数据流形的局部曲率识别信息丰富的样本,在30个基准数据集上实现了更高的准确率。

0 人收藏 0 人点赞
#adaptive-sampling

小型RL控制器与大型语言模型:RL引导的测试时自适应采样

Hugging Face Daily Papers ↗ · 2026-06-02 缓存

本文将大型语言模型的自适应采样建模为马尔可夫决策过程,并训练一个轻量级强化学习控制器来平衡正确性、延迟和计算成本,从而实现了更好的权衡。

0 人收藏 0 人点赞
#adaptive-sampling

NOVA:通过AI进行知识发现的根本极限

arXiv cs.AI ↗ · 2026-05-18 缓存

NOVA框架将'生成、验证、积累、重新训练'循环建模为知识空间上的自适应采样过程,识别出失败模式,并证明了在类Zipf发现分布下累计生成成本的缩放定律。

0 人收藏 0 人点赞
← 返回首页

提交意见反馈