标签
本文介绍了用于《开拓者：第二版》怪物等级预测的数据集，并比较了用于序数回归的机器学习模型，结果表明基于树的集成方法实现了近乎完美的排序精度。
ConOrd提出了一种用于序数回归的对比学习框架，融合了对比学习与顺序学习的优势，在人脸年龄估计、图像质量评估和视频质量评估任务中达到了最先进性能。
本文介绍了LOPA，一个轻量级口语评估框架，它利用潜在序数原型对齐和语义锚定层路由（基于冻结的Whisper编码器），在不进行LLM微调的情况下，实现了与十亿参数模型相当的性能。
本文提出了一种概率框架，用于阿尔茨海默病进展预测，该框架结合了有序诊断预测、多时间点轨迹生成和分解不确定性估计，采用 Temporal Fusion Transformer 编码器和自回归混合密度网络。在ADNI数据上，该模型优于基线，实现了接近标称的90%可信区间覆盖率，并提供了具有临床意义的不确定性信号。
DiffoR 提出了一种利用扩散模型进行序数回归的新型连续生成框架，克服了离散方法的局限性。在12个基准数据集上的大量实验表明，该方法在四个领域均达到了最先进的性能。