标签
该论文提出了一种综合性数据生成策略，结合传统数据增强、CutMix、MixUp 和 DCGAN 生成的图像，以解决橄榄树病害分类中的数据不足和类别不平衡问题，并使用 EfficientNetV2B0 进行评估，结果显示准确率显著提高。
一篇关于大语言模型数据优化的综述论文，系统梳理了数据感知维度（质量、难度、多样性、冗余性）以及数据选择、增强、重加权等优化技术，并探讨了该领域面临的挑战与未来方向。
CFBrainAug 提出一种模块度约束的反事实脑网络增强框架，将数据增强与反事实解释统一起来，在 ABIDE I 数据集上以轻量级 SVM 实现了具有竞争力的自闭症诊断精度与内在可解释性。
本文提出结合蒙特卡洛 dropout 不确定性量化的条件生成对抗网络数据增强框架，用于 Hawk T1A 飞机结构健康监测的合成信号生成与损伤分类，并与实验测量数据进行多维度比较验证。
本文提出一种基于大语言模型和文档级话语结构解析的结构保持式数据增强框架，通过识别句子间修辞关系并替换关键短语，在保持话语结构的同时实现主题偏移，从而在文本摘要和问答任务上提升模型性能。
提出了 TD-Aug 方法，通过从几何视野模型（基于 TD-Flows 训练）中采样来想象新的目标状态，为目标条件行为克隆提供数据增强，显著提升了策略在 OGBench 拼接任务中的零样本组合泛化能力。
提出SharP框架，利用大语言模型结合软硬提示进行边界感知的数据增强，以解决低资源条件下的假新闻检测问题。
Dream2Discern 提出一种通过隐式数据增强训练多智能体系统运行时审计器的方法，利用自身预测损失生成难以区分的潜在变体作为困难样本，在 AFTraj-2K 和 StepShield 基准上实现超过 90% 的轨迹级加权准确率，无需额外轨迹收集或结果验证。
提出一种通过LLM生成方言文本并用标准语TTS合成伪方言语音的零真实方言数据增强方法，并引入中间标准文本预测以缩小语义差距，提升语音语言模型在日语、德语和中文方言上的翻译表现。
本文探讨在数据限制下使用代码切换文本来对齐小型语言模型的表征，表明涉及代码切换的课程能提升多语言性能。
本文介绍了一种合成训练管道，利用扰动公共文档生成上下文相关的训练数据，显著提升了大型语言模型在诸如CL-bench等上下文学习任务上的性能，且无需人工标注。
本文提出 MFP，一种使用角色感知 Morgan fingerprints 预测化学反应产率的方法，与现有方法如 YieldBERT 和 GNAN 相比，实现了高准确度和更快的训练。
REPAIR是一种自演化的数据增强框架，用于科学稠密检索器，通过事实验证迭代改进解决长尾混淆，在材料科学和生物医学基准测试中展示了显著的性能提升。
本文提出了一种覆盖感知的虚拟IMU增强框架，以解决人类活动识别中的数据稀缺问题，通过生成和选择合成传感器数据来提高有限标注数据下的模型性能。
本文提出了CoMA-DiT，一种用于多模态脑状态解码中潜在增强的双向跨模态扩散变压器，它通过将配对模态用作相互监督信号来增强听觉注意力解码和情感识别等任务的性能。
KItCAT 介绍了一种轻量级的自回归大型语言模型训练策略，该策略通过输入损坏生成多样化的训练输入，无需昂贵的改写即可改善从专业文档的知识注入。
本文研究了添加正确标注数据可能损害模型性能的场景，引入了插入稳定性概念，并探讨了维度理论在机器学习泛化中的局限性。
本文提出了一种几何过滤框架，通过评估LLM生成样本在嵌入空间中与真实类别示例的欧氏距离来选择高质量样本，从而将少样本文本分类性能提升了2.61个百分点，优于SMOTE方法。
本文提出一种基于仿真的方法，用虚拟传感器替代物理传感器来生成增强交通数据集，从而在保持交通模式的同时扩展城市网络中的传感器覆盖范围。
本文介绍了第二届MLC-SLM挑战赛的技术，包括随机前置静音裁剪和合成数据生成，以提升多语言对话语音任务，实现了准确率提升和错误率降低。