hard-example-mining

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。

本文提出了一种用于跨平台中文攻击性评论检测的双阈值难例挖掘策略，以解决因领域偏移导致的性能下降问题。该方法在COLD数据集上微调RoBERTa模型，并利用极少数标记数据将其适应于四个中文社交媒体平台。