maximum-mean-discrepancy

引入平滑最大均值差异（SMMD），一种损失函数，通过核匹配和基于图的平滑性将预测数值分布与目标对齐，提高了LLM在多个任务中的数值预测准确性。

本文提出CRUMB，一种三阶段推理封装方法，通过聚类测试查询并利用最小化最大均值差异（MMD）选择分布匹配的训练子集，从而实现对大规模数据集的高效先验拟合网络推理。在51个TabArena数据集上，该方法在上下文选择方面达到了最先进水平。