arXiv 机器学习· Kevin L Coakley, Odd Erik Gundersen·· 9 小时前AI 评分36
深度学习性能评估：不同架构与任务下性能分布的实证研究
Measuring Deep Learning Performance - An Empirical Study of Performance Distributions Across Architectures and Tasks
AI 导读
一项涵盖 18,600 次运行的实证研究发现，深度学习模型性能常呈非高斯分布，仅依赖平均性能无法预测鲁棒性与尾部风险。在对 186 组图像分类与时间序列预测架构的测试中，模型规模未系统性提升鲁棒性，时间序列模型的低性能异常值几乎是图像分类的 3 倍。研究表明早停能有效平衡性能与鲁棒性，高风险 AI 场景选型必须评估离散度与尾部风险。
来源：arXiv 机器学习 · arxiv.org