adaptive-sampling

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。

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。

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。