ensembling

本文提出 D^CF5 诊断工具，用于预测分布偏移下回归任务动态集成中逐区域的增益变化，经多数据集验证其预测结果具有高度相关性。

本文提出了HomoEnsNER，一个由五个GujaratiBERT模型组成的同质集成，用于古吉拉特语命名实体识别，并表明它优于依赖架构多样性的异构替代方案，在Naamapadam测试集上取得了最先进的F1分数。

本文提出 TIE，一种面向 Masked Diffusion Language Models 的知识融合框架，通过追踪置信度动态来识别可靠解码轨迹，并在模型间迭代传输部分去噪序列，从而提升推理任务的生成质量。