热点事件持续更新
研究人员提出主动学习数据移除方法Forgetting to Improve
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年11月4日，研究人员在 arXiv 发布论文，提出名为“Forgetting to Improve”的主动学习数据移除方法，旨在通过按原则移除有害数据样本来缓解模型不匹配问题。该方法针对高斯过程模型引入了专用影响函数，能够将下游任务纳入整体建模框架，并有效剔除产生负面影响的数据样本。实验结果表明，该方法在贝叶斯优化、基于模型的强化学习以及转导学习等多项下游任务中均取得了显著改进。
AI 根据报道生成 · 5 小时前更新
最新进展11月4日 13:00
研究人员提出Forgetting to Improve方法，通过原则性移除有害数据提升主动学习性能。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 人工智能Forgetting to Improve：主动学习中的原则性数据移除
研究人员提出 Forgetting to Improve 方法，通过在主动学习中按原则移除有害数据样本来缓解模型不匹配问题。该方法为高斯过程模型引入了专用影响函数，可将下游任务纳入建模框架并剔除产生负面影响的数据。实验表明，该方法在贝叶斯优化、基于模型的强化学习以及转导学习等多项任务中均实现了显著改进。
本事件热度走势
当前热度 9·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。