标签
该论文提出将LLM创造力形式化为参考输入-输出分布的长尾性能，通过15个基准和26个开源模型验证，并引入低成本创造力诊断指标 q@Tail(α)。
SevDiff是一种基于严重性条件的扩散模型，用于生成具有可控碰撞时间值的车辆冲突轨迹，在用于ADAS评估的真实数据集上实现了高命中率。
本文提出了一种面向度假租赁市场的免训练基于LLM的候选生成流水线，使用现成LLM合成语义查询，并通过密集检索来补充协同过滤，显著提升了对长尾房源的覆盖，同时保持了在热门房源上的性能。
本文研究了长尾胸片X光分类中阈值化亚组漏诊的公平性问题，表明罕见标签公平性同时取决于发现、亚组和操作阈值，而不仅仅取决于标签频率或排名指标。
本文提出了一种面向扩散模型的类频率引导噪声调度，为低频类别分配更大尺度的噪声，以改善在不平衡数据集上的生成质量，相较于基线方法取得了显著提升。
在一条推文中，Sarah Hooker 指出 GPU 并不适合现实世界数据的长尾分布，并建议需要替代性 AI 硬件。
本文介绍了一种分布感知的强化学习框架，该框架利用基于批级比较的监督信号，提升了多模态大语言模型在长尾数值回归任务中的性能。