标签
对一篇兜售77%胜率随机森林策略的热门量化帖子的评论，指出该方法只是斯坦福免费讲座中的标准集成学习，且过去的表现不能保证未来的结果。
本文提出SCBoost，一种通过将残差投影到先前预测的正交补上并使用协方差正则化加权来降低学习器冗余的Boosting框架，具有理论保证和强大的实证性能。
介绍Simplex约束的稀疏Bagging (SCSB)，一种训练后框架，利用袋外样本在概率单纯形上优化估计器权重，实现高达96%的集成压缩并改进校准。
本文介绍了WISE-HAR，一个用于基于WiFi的人类活动识别的集成深度学习框架，实现了鲁棒的性能和跨场景的泛化能力，准确率下降极小。
本文提出了一种确定性气候风险智能框架，整合了编排、异常检测和不平衡感知集成学习，用于可审计的ESG验证，以解决碎片化的范围1-3报告数据。
本文提出了 MIPIAD，这是一种针对间接提示注入攻击的多语言防御框架，融合了基于 Qwen2.5 的分类器、TF-IDF 特征以及元集成学习。该框架在英语和孟加拉语基准测试中表现出色，取得了较高的 F1 和 AUROC 分数，同时缩小了跨语言差距。
这篇学术论文提出了一种用于ESA卫星遥测异常检测的层次化集成管道，利用基于形状序列（shapelet）和统计的特征提取技术，来识别多元时间序列数据中的细微异常。
本文介绍了用于 SemEval-2026 任务 9 的 YEZE 系统，该系统利用 XLM-RoBERTa 和 mDeBERTa 模型的异构集成，检测 22 种语言中的网络极化现象。